如何编写正则表达式匹配指定年份范围的系列ID？

正则匹配规则 #

• 筛选符合条件的ID：使用^20[12]\d，确保ID前四位是2010-2029范围内的年份开头
• 提取年份：用^(\d{4})直接截取ID的前四位作为年份

完整代码实现 #

import re

def process_ids(input_file, output_file):
    id_pattern = r'^20[12]\d'
    year_pattern = r'^(\d{4})'
    
    with open(input_file, 'r') as infile, open(output_file, 'w') as outfile:
        for line in infile:
            line = line.strip()
            if re.match(id_pattern, line):
                year = re.findall(year_pattern, line)[0]
                # 按需选择写入格式，以下是两种示例：
                # 仅保存ID：outfile.write(f"{line}\n")
                # 保存ID+年份：
                outfile.write(f"ID: {line}, 年份: {year}\n")

# 调用示例，替换为你的文件路径
process_ids("source.txt", "filtered_result.txt")

代码说明 #

• ^20[12]\d：^锚定字符串开头，20[12]匹配"201"或"202"，\d匹配任意数字，精准筛选目标ID
• 逐行读取原始文件，跳过空行，符合条件的行提取年份后写入新文件
• 可根据需求修改写入格式，比如只保留ID或单独存储年份

样本数据处理结果 #

样本中符合条件的ID如下：

2012030116
2012030395
2012030396
2012030364
2012030246

提取的年份均为2012，处理后会写入指定的输出文件。

内容的提问来源于stack exchange，提问作者Store LTE