如何从指定格式字符串中提取月份与连字符连接的日期范围

这类格式特征非常明确的字符串，用正则表达式做定向匹配是最省事、准确率最高的方法，完全不需要做复杂的分词处理。
匹配逻辑完全对齐描述的规则：

• 定位字符串里的英文完整月份名称
• 取月份名称后紧跟的、用短横线连接的数字日期范围，和月份拼接就是目标结果

Python 实现代码 #

import re

head_line = 'Weekly Outlook April 1-5: Full NFP buildup and the usual Brexit circus'
# 正则规则：覆盖12个英文全写月份，匹配后续带短横线的日期区间
match_pattern = r'(?:January|February|March|April|May|June|July|August|September|October|November|December)\s+\d+-\d+'
match_res = re.search(match_pattern, head_line)

if match_res:
    target_str = match_res.group()
    print(target_str)

运行上述代码针对示例字符串的输出就是April 1-5，完全符合预期。

适配说明 #

• 如果后续遇到月份是缩写形式（比如把April写成Apr、October写成Oct），只要在正则的月份枚举列表里补充对应缩写值即可
• 规则里的\s+可以兼容月份和日期之间偶尔出现多空格的格式异常
• 日期匹配规则自动兼容单/双位数日期，比如November 11-17、May 1-10这类格式都能正常提取

内容的提问来源于stack exchange，提问作者backlog