求助：Python高效提取格式化短信中readable_date对应日期子串

嘿，针对你要从几千条短信记录里提取readable_date的需求，我给你整理了几个实用又高效的方法，完全能搞定4-5k条数据的处理：

方法1：正则表达式（灵活通用） #

正则表达式非常适合匹配这种有固定格式的字符串片段，处理速度完全能跟上你的数据量。我们可以直接写一个模式，精准匹配readable_date="后面到下一个双引号之间的内容：

import re

# 示例行
sms_line = '<sms protocol="0" address="+##########" date="1557093540527" type="1" subject="null" body="Don\'t text and drive! &#129315;" toa="null" sc_toa="null" service_center="+##########" read="1" status="-1" locked="0" date_sent="1557093540000" sub_id="2" readable_date="May 5, 2019 5:59:00 PM" contact_name="XXXX" />'

# 匹配readable_date的值
match = re.search(r'readable_date="([^"]+)"', sms_line)
if match:
    readable_date = match.group(1)
    print(readable_date)  # 输出: May 5, 2019 5:59:00 PM

这个正则模式readable_date="([^"]+)"的意思是：找到readable_date="开头的部分，然后捕获所有不是双引号的字符（也就是日期内容），直到遇到下一个双引号为止。

方法2：XML解析（最健壮） #

因为你的短信行本身就是标准的XML标签格式，用XML解析库来处理会更稳妥，不怕字符串格式有小变动（比如属性顺序变化）。Python自带的xml.etree.ElementTree就足够用：

import xml.etree.ElementTree as ET

sms_line = '<sms protocol="0" address="+##########" date="1557093540527" type="1" subject="null" body="Don\'t text and drive! &#129315;" toa="null" sc_toa="null" service_center="+##########" read="1" status="-1" locked="0" date_sent="1557093540000" sub_id="2" readable_date="May 5, 2019 5:59:00 PM" contact_name="XXXX" />'

# 将单行解析为XML元素
sms_element = ET.fromstring(sms_line)
# 直接获取readable_date属性的值
readable_date = sms_element.get('readable_date')
print(readable_date)  # 输出: May 5, 2019 5:59:00 PM

这种方法完全遵循XML规范，即使后续短信行的属性顺序改变，也能准确提取到目标值，容错性最强。

方法3：字符串分割（最简单高效） #

如果你的短信格式完全固定（readable_date="的位置和格式不会变），用字符串的split方法是最快的，代码也最简洁：

sms_line = '<sms protocol="0" address="+##########" date="1557093540527" type="1" subject="null" body="Don\'t text and drive! &#129315;" toa="null" sc_toa="null" service_center="+##########" read="1" status="-1" locked="0" date_sent="1557093540000" sub_id="2" readable_date="May 5, 2019 5:59:00 PM" contact_name="XXXX" />'

# 先按readable_date="分割，取第二部分；再按"分割，取第一部分
readable_date = sms_line.split('readable_date="')[1].split('"')[0]
print(readable_date)  # 输出: May 5, 2019 5:59:00 PM

这个方法没有额外依赖，纯字符串操作，速度是三者里最快的，适合格式完全固定的场景。

后续：转成datetime对象插入SQL #

提取到日期字符串后，你可以把它转成Python的datetime对象，这样插入SQL数据库会更方便（大部分SQL数据库都支持直接存储datetime类型）：

from datetime import datetime

date_str = "May 5, 2019 5:59:00 PM"
# 按照日期字符串的格式解析
datetime_obj = datetime.strptime(date_str, "%B %d, %Y %I:%M:%S %p")
print(datetime_obj)  # 输出: 2019-05-05 17:59:00

之后用数据库连接库（比如sqlite3、psycopg2等）把datetime_obj插入对应的字段即可。

内容的提问来源于stack exchange，提问作者Orrd