如何仅对未被前后时间子串包围的日期字符串执行替换？

需求：仅对未被hh:mm am/pm格式时间前后跟随的yyyy_-_mm_-_dd格式日期，替换为(日期 00:00 am)；前后带有该格式时间的日期不替换。但现有正则实现错误修改了带前后时间的日期，导致输出不符合预期。

现有代码 #

import re, datetime

input_text = "Alrededor de las 00:16 am o las 23:30 pm 2022_-_02_-_18 , quizas cerca del 2022_-_02_-_18 llega el avion, pero no (2022_-_02_-_18 20:16 pm) a las (2022_-_02_-_18 00:16 am), de esos hay dos (22)"

print(repr(input_text)) # --> output

input_date_structure = r"(?P<year>\d*)_-_(?P<month>\d{2})_-_(?P<startDay>\d{2})"

identify_only_date_regex_00 = input_date_structure + r"[\s|]*" + r"(\b\d{2}:\d{2}[\s|]*[ap]m)?" #to identify if there is a time after  the date
identify_only_date_regex_01 = r"(\b\d{2}:\d{2}[\s|]*[ap]m)?" + r"[\s|]*" + input_date_structure #to identify if there is a time before the date

date_restructuring_structure = r"\g<year>_-_\g<month>_-_\g<startDay>"
restructuring_only_date = lambda x: x.group() if x.group(1) else "(" + fr"{x.expand(date_restructuring_structure)}" + " 00:00 am)"

#do the replace with re.sub() method and the regex patterns instructions
input_text = re.sub(identify_only_date_regex_00, restructuring_only_date, input_text)
input_text = re.sub(identify_only_date_regex_01, restructuring_only_date, input_text)

#print output
print(repr(input_text)) # --> output

错误输出 #

'Alrededor de las 00:16 am o las 23:30 pm 2022_-_02_-_18 , quizas cerca del(2022_-_02_-_18 00:00 am) llega el avion, pero no ((2022_-_02_-_18 00:00 am) 20:16 pm) a las ((2022_-_02_-_18 00:00 am) 00:16 am), de esos hay dos (22)'

正确输出 #

"Alrededor de las 00:16 am o las 23:30 pm 2022_-_02_-_18 , quizas cerca del (2022_-_02_-_18 00:00 am) llega el avion, pero no (2022_-_02_-_18 20:16 pm) a las (2022_-_02_-_18 00:16 am), de esos hay dos (22)"

规则示例 #

• 不替换："sdsdds 2022_-_02_-_18 00:16 am sdsddssd2"（日期后带时间）
• 不替换："sdsdsd 00:16 am 2022_-_02_-_18 sdsdsd"（日期前带时间）
• 替换："sdsdds 2022_-_02_-_18 sdsdsd"（孤立日期）

1. 正则逻辑反向：原正则用可选捕获组(...)?"尝试匹配时间，意味着即使存在前后时间，正则仍会忽略时间、单独匹配日期部分（可选组允许匹配为空），导致带时间的日期被错误替换。
2. 两次替换重复干扰：先替换“日期后可能带时间”的场景，再替换“日期前可能带时间”的场景，第二次替换会错误匹配已处理的内容，比如把(2022_-_02_-_18 20:16 pm)中的日期单独揪出来替换。
3. 未明确排除时间场景：原正则没有主动排除“日期前后存在有效时间”的情况，只是被动尝试匹配时间，无法精准定位孤立日期。

使用负向断言（反向否定预查+正向否定预查）精准匹配孤立日期，确保日期前后不存在目标格式的时间，单次替换即可完成需求。

修正后代码 #

import re

input_text = "Alrededor de las 00:16 am o las 23:30 pm 2022_-_02_-_18 , quizas cerca del 2022_-_02_-_18 llega el avion, pero no (2022_-_02_-_18 20:16 pm) a las (2022_-_02_-_18 00:16 am), de esos hay dos (22)"

# 定义日期结构：限定年份为4位数字，更符合yyyy格式
input_date_structure = r"(?P<year>\d{4})_-_(?P<month>\d{2})_-_(?P<startDay>\d{2})"
# 单独提取时间格式正则，便于维护
time_pattern = r"\b\d{2}:\d{2}\s*[ap]m\b"

# 核心正则：用负向断言排除前后带时间的日期
isolate_date_regex = re.compile(
    fr"(?<!{time_pattern}\s*){input_date_structure}(?!\s*{time_pattern})"
)

# 替换函数
def replace_isolate_date(match):
    date_str = match.group()
    return f"({date_str} 00:00 am)"

# 执行单次替换
output_text = isolate_date_regex.sub(replace_isolate_date, input_text)

print(repr(output_text))

修正说明 #

1. 负向断言精准过滤：
   • (?<!{time_pattern}\s*)：反向否定预查，确保日期前面没有“时间+任意空白”的内容，排除日期前带时间的场景。
   • (?!\s*{time_pattern})：正向否定预查，确保日期后面没有“任意空白+时间”的内容，排除日期后带时间的场景。
2. 优化日期正则：将年份匹配从\d*改为\d{4}，避免匹配非4位数字的无效年份。
3. 单次替换避免干扰：一次匹配所有符合条件的孤立日期，不会重复处理导致错误。
4. 模块化设计：将时间格式抽离为单独变量，后续修改时间格式只需调整一处。

内容的提问来源于stack exchange，提问作者Matt095