如何使用Python从爬取获得的文本列表中提取日期、月份及年份

• 核心思路：先处理字符串内的换行符，再用正则匹配标准日期格式，可按需选择是否保留重复日期

import re

# 原始爬取数据
raw_data = [
 'Archive\nUpdated',
 'Sep 20,\n2021',
 'Data Tables',
 'Excel',
 'Sep\n03, 2019',
 'Nov 05, 2021',
 'Sep\n03, 2019',
 'Excel',
]

# 匹配「月份缩写 日期, 年份」格式的正则，兼容逗号后有无空格的情况
date_pattern = r'((?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)\s+\d{1,2},\s*\d{4})'
extracted_dates = []

for item in raw_data:
    # 替换当前字符串内的所有换行符，拼接成完整连续文本
    processed_item = item.replace('\n', '')
    # 查找所有匹配的日期
    matches = re.findall(date_pattern, processed_item)
    extracted_dates.extend(matches)

# 如需去重可取消注释下行代码
# extracted_dates = list(set(extracted_dates))

print(extracted_dates)

• 运行输出（未去重）：['Sep 20,2021', 'Sep 03, 2019', 'Nov 05, 2021', 'Sep 03, 2019']
• 若后续爬取数据中存在其他日期格式，调整正则匹配规则即可适配。

内容的提问来源于stack exchange，提问作者Zohair Ahmed