Python正则提取through与at间日期 无匹配时返回完整原字符串

规则说明 #

待处理字符串共两类，提取规则如下：

• 字符串同时包含through和at关键词：提取through之后、at之前的日期部分
• 字符串本身为纯日期格式（无上述两个关键词）：直接返回完整原字符串

测试样本：

Beginning through June 18, 2022 at Noon standard time
Jan 20, 2022
Beginning through April 26, 2022 at 12:01 a.m. standard time

预期输出：

June 18, 2022
Jan 20, 2022
April 26, 2022

原有方案缺陷 #

原有正则仅能覆盖带关键词的长文本场景：

s ="Beginning through June 18, 2022 at Noon standard time"
re.search(r'(.*through)(.*) (at.*)', s).group(2)

传入纯日期字符串（如"June 18, 2022"）时，会因为匹配不到through/at关键词返回空值，无法拿到正确结果。

实现代码 #

通过正则分支逻辑同时覆盖两种匹配场景：优先匹配两个关键词中间的日期内容，匹配不到时校验是否为纯日期格式直接返回，代码如下：

import re

def extract_date(input_str):
    # 正则包含两个匹配分支：
    # 1. 非贪婪匹配through和at之间的内容，避免捕获多余字符
    # 2. 匹配开头到结尾的纯日期格式（月份+日期+逗号+年份）
    match_res = re.search(
        r"through\s+(.*?)\s+at|^([A-Za-z]+\s+\d{1,2},\s+\d{4})$",
        input_str.strip()
    )
    if not match_res:
        return ""
    # 返回非空分组的结果，自动去除前后空白字符
    return (match_res.group(1) or match_res.group(2)).strip()

# 测试验证
if __name__ == "__main__":
    test_list = [
        "Beginning through June 18, 2022 at Noon standard time",
        "Jan 20, 2022",
        "Beginning through April 26, 2022 at 12:01 a.m. standard time"
    ]
    for item in test_list:
        print(extract_date(item))

运行输出和预期完全一致：

June 18, 2022
Jan 20, 2022
April 26, 2022

提示：如果后续需要适配其他格式的纯日期（比如月份全称、带星期前缀的日期），只需要调整第二个分支的日期匹配规则即可。

内容的提问来源于stack exchange，提问作者g_p