3
import re, datetime

def replace_month_number_with_month_name(input_text):

    if input_text == "11": input_text = input_text.replace("11", "noviembre", 1)

    elif input_text == "01": input_text = input_text.replace("01", "enero", 1)
    elif input_text == "1":  input_text = input_text.replace("1", "enero", 1)

    return input_text


#Examples:
input_text = 'de el dia 10 a las 00:00 am hasta el 15 a las 20:00 pm del 11 del año 2020' #example 1
input_text = 'del 11 del año 2020' #example 2, si uso la condicion con replacement_conditioner delante no deberia modificarlo

replacement_conditioner = r"(?:del|de\s*el|de)\s*(?:d[íi]a|)\s*\d{2}\s*(?:a\s*las|a\s*la)\s*(?:\d{1,2}:\d{1,2}\s*(?:am|pm)|)\s*(?:hasta|al|a )\s*(?:el|)\s*(?:d[íi]a|)\s*\d{2}\s*(?:a\s*las|a\s*la)\s*(?:\d{1,2}:\d{1,2}\s*(?:am|pm)|)\s*(?:del|de\s*el|de)\s*(?:mes|)\s*"
search_pattern = replacement_conditioner + r"\b(?:0[1-9]|1[1-2])\b(?=\s(?:(?:\w+\s){4})?(?:del\s*a[ñn]o|de\s*el)\s*\d*|\s*\b(\d{4})\b)"

#Este patron de busqueda si funciona pero me gustaria agregarle una condicion mas, y es que antes de encontrar este patron antes debe estar lo que el patron replacement_conditioner  esta indicando
#search_pattern = r"\b(?:0[1-9]|1[1-2])\b(?=\s(?:(?:\w+\s){4})?(?:del\s*a[ñn]o|de\s*el)\s*\d*|\s*\b(\d{4})\b)"

input_text = re.sub(search_pattern,
                    #lambda m: print(repr(m[0])),
                    lambda m : replace_month_number_with_month_name(m[0]),
                    input_text, re.IGNORECASE)


print(repr(input_text))

Este es el output que debería conseguir con este nuevo patrón de búsqueda, ya que el objetivo es establecer una condición delantera adicional, la cual esta hecha con el patrón contenido en la variable replacement_conditioner

Si esto funcionase igual que la regex r"\b(?:0[1-9]|1[1-2])\b(?=\s(?:(?:\w+\s){4})?(?:del\s*a[ñn]o|de\s*el)\s*\d*|\s*\b(\d{4})\b)" debería obtener tambien este output :

'de el dia 10 a las 00:00 am hasta el 15 a las 20:00 pm del november del año 2020' #for example 1

'del 11 del año 2020' #for example 2, solo se modificara "11" por "noviembre" si no se coloco delante la condicion replacement_conditioner

Es algo un poco extraño (o almenos no me estoy dando cuenta) que colocar el patrón ese delante, impida la extracción del grupo de captura que es el mes. Luego de extraer el grupo de captura si funcionase bien enviaría el "11" a la función replace_month_number_with_month_name() en la cual se realizaria el reemplazo "11" ---> "noviembre"

1 respuesta 1

2

Buen día,

Para lograrlo podrías utilizar un look-behind de tu primer regex para que únicamente cuando esté presente se valide el 11, pero hay un pequeño problema, look-behind necesita tener un ancho fijo y tu regex tiene ancho variable ya que utilizas muchos *

Una solución es utilizar \K que en pocas palabras es un look-behind con ancho variable (Revisa el url para entender bien como funciona), pero hay otro pequeño problema, la librería re no soporta \K

Hay otra librería, su nombre es regex que si lo soporta y que según lei, se utiliza bastante cuando hay que trabajar con regex complejos.

Ejemplo completo:

import regex, datetime

def replace_month_number_with_month_name(input_text):
    if input_text == "11": input_text = input_text.replace("11", "noviembre", 1)

    elif input_text == "01": input_text = input_text.replace("01", "enero", 1)
    elif input_text == "1":  input_text = input_text.replace("1", "enero", 1)

    return input_text


input_text1 = 'de el dia 10 a las 00:00 am hasta el 15 a las 20:00 pm del 11 del año 2020' #example 1
input_text2 = 'del 11 del año 2020'

replacement_conditioner = r"(?:del|de\s*el|de)\s*(?:d[íi]a|)\s*\d{2}\s*(?:a\s*las|a\s*la)\s*(?:\d{1,2}:\d{1,2}\s*(?:am|pm)|)\s*(?:hasta|al|a )\s*(?:el|)\s*(?:d[íi]a|)\s*\d{2}\s*(?:a\s*las|a\s*la)\s*(?:\d{1,2}:\d{1,2}\s*(?:am|pm)|)\s*(?:del|de\s*el|de)\s*(?:mes|)\s*"
search_conditioner = r"\b(?:0[1-9]|1[1-2])\b(?=\s(?:(?:\w+\s){4})?(?:del\s*a[ñn]o|de\s*el)\s*\d*|\s*\b(\d{4})\b)"
search_pattern = fr'({replacement_conditioner}\K){search_conditioner}'
#search_pattern = r'(((?:del|de\s*el|de)\s*(?:d[íi]a|)\s*\d{2}\s*(?:a\s*las|a\s*la)\s*(?:\d{1,2}:\d{1,2}\s*(?:am|pm)|)\s*(?:hasta|al|a )\s*(?:el|)\s*(?:d[íi]a|)\s*\d{2}\s*(?:a\s*las|a\s*la)\s*(?:\d{1,2}:\d{1,2}\s*(?:am|pm)|)\s*(?:del|de\s*el|de)\s*(?:mes|)\s*)\\K)\b(?:0[1-9]|1[1-2])\b(?=\s(?:(?:\w+\s){4})?(?:del\s*a[ñn]o|de\s*el)\s*\d*|\s*\b(\d{4})\b)'

input_text1 = regex.sub(search_pattern,
                    #lambda m: print(repr(m[0])),
                    lambda m : replace_month_number_with_month_name(m[0]),
                    input_text1, regex.IGNORECASE)

input_text2 = regex.sub(search_pattern,
                    #lambda m: print(repr(m[0])),
                    lambda m : replace_month_number_with_month_name(m[0]),
                    input_text2, regex.IGNORECASE)

print(repr(input_text1))
print(repr(input_text2))

Esto imprime:

'de el dia 10 a las 00:00 am hasta el 15 a las 20:00 pm del noviembre del año 2020'
'del 11 del año 2020'
5
  • Me funciono perfecto. La verdad nunca habia usado esta librería regex extendida de python, entonces si entendí bien usas ese carácter de escape \K que viene incluido en esta librería de regex extendida, para imponerle al patrón de búsqueda que aquellos patrones que se encuentren definidos entre los paréntesis previos a ese \K tengan que estar si o si presentes pero sin que estos sean capturados? Commented el 6 ene. 2023 a las 6:57
  • 1
    Exacto, look-behind indica que un caracter, o en este caso un grupo, deban estar presentes para la validación de lo que esté después, pero como look-behind necesita ancho fijo (Es decir, un número específico de caracteres), entonces no podemos utilizar el típico ?<=, pero \K cumple una función similar pero permite ancho variable. Commented el 6 ene. 2023 a las 7:01
  • 1
    Por cierto \K no es específico de esa librería, es estándar, solo que no está disponible en re Commented el 6 ene. 2023 a las 7:03
  • Realmente muchísimas gracias por la explicación, veo que es bastante útil usar para estos casos ( )\K respecto del lookbehind (?<= ) que viene en el regex engine que usa la típica librería re de python Commented el 6 ene. 2023 a las 7:07
  • 1
    Estuve intentando otras opciones con grupos con la librería re pero estaba tomando mucho tiempo así que mejor propuse esa otra opción. Commented el 6 ene. 2023 a las 7:08

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.