import re, datetime
input_text = "Alrededor de las 00:16 am o las 23:30 pm 2022_-_02_-_18 , quizas cerca del 2022_-_02_-_18 llega el avion, pero no (2022_-_02_-_18 20:16 pm) a las (2022_-_02_-_18 00:16 am), de esos hay dos (22)"
print(repr(input_text)) # --> output
input_date_structure = r"(?P<year>\d*)_-_(?P<month>\d{2})_-_(?P<startDay>\d{2})"
identify_only_date_regex_00 = input_date_structure + r"[\s|]*" + r"(\b\d{2}:\d{2}[\s|]*[ap]m)?" #to identify if there is a time after the date
identify_only_date_regex_01 = r"(\b\d{2}:\d{2}[\s|]*[ap]m)?" + r"[\s|]*" + input_date_structure #to identify if there is a time before the date
date_restructuring_structure = r"\g<year>_-_\g<month>_-_\g<startDay>"
restructuring_only_date = lambda x: x.group() if x.group(1) else "(" + fr"{x.expand(date_restructuring_structure)}" + " 00:00 am)"
#do the replace with re.sub() method and the regex patterns instructions
input_text = re.sub(identify_only_date_regex_00, restructuring_only_date, input_text)
input_text = re.sub(identify_only_date_regex_01, restructuring_only_date, input_text)
#print output
print(repr(input_text)) # --> output
El output erroneo que estoy obteniendo:
'Alrededor de las 00:16 am o las 23:30 pm 2022_-_02_-_18 , quizas cerca del(2022_-_02_-_18 00:00 am) llega el avion, pero no ((2022_-_02_-_18 00:00 am) 20:16 pm) a las ((2022_-_02_-_18 00:00 am) 00:16 am), de esos hay dos (22)''
El output correcto, en donde solo las fechas que no estaban precedidas ni sucedidas por horas hh:mm am or pm, indicadas como r"(\d{2}:\d{2}[\s|]*[ap]m)?"
, son modificadas:
"Alrededor de las 00:16 am o las 23:30 pm 2022_-_02_-_18 , quizas cerca del (2022_-_02_-_18 00:00 am) llega el avion, pero no (2022_-_02_-_18 20:16 pm) a las (2022_-_02_-_18 00:16 am), de esos hay dos (22)"
No entiendo porque esta fallando, al menos creo que estoy condicionando bien mis regex usando \b
y ?
En este ejemplo podemos ver los 3 casos posibles, donde la fecha va precedida de la hora, luego uno donde solo va la fecha, y finalmente hay una fecha seguida de la hora. Y el único caso en el que debe hacer el reemplazo es cuando la fecha está sola (sin la indicación de hora hh:mm am o pm)
No debe reemplazar
"sdsdds 2022_-_02_-_18 00:16 am sdsddssd2
No debe reemplazar
"sdsdsd 00:16 am 2022_-_02_-_18 sdsdsd"
Si debe reemplazar
"sdsdds 2022_-_02_-_18 sdsdsd"