import re
#Example input:
input_text = "en la montaña a las (2023_-_02_-_04(19:00 pm)) o a las 2023_-_02_-_04 19:00 pm aasassa 2023_-_02_-_04 sdshdhshj 19:00 pm 2023_-_02_-_04 fgfg"
date_format_00 = r"(\d*)_-_(\d{2})_-_(\d{2})" # Y*_-_MM_DD
identificate_hours = r"(?:(\d{1,2})|)(?:(?:\:| )(\d{1,2})|)\s*(?:(am)|(pm)|)"
#I use a negative lookahead "(?!\()" to avoid matches
date_format_00_blocking = r"(?!\d*_-_\d{2}_-_\d{2}\s*)"
identificate_hours_blocking = r"(?!\d{1,2}(?:\:| )\d{1,2}\s*(?:am|pm|))"
#Ambos deberia lograr reemplazos del tipo: "2023_-_02_-_04" --> "(2023_-_01_-_11(00:00 am))"
#sin embargo solo el primero de los re.sub() (en el orden de la lectura del codigo que hace el interprete) lo hará, ya que tras ello ya estara etiquetado con los parentesis
#Only replacements of the type: "2023_-_02_-_04 19:00" --> "(2023_-_01_-_11(19:00 pm))"
input_text = re.sub(r"(?!\()" + identificate_hours_blocking + r"\s*" + date_format_00 + r"\s*(?:a\s*la(?:s| )|)\s*" + identificate_hours + r"\s*" + date_format_00_blocking + r"\s*(?!\))",
lambda m: (f"({m[1]}_-_{m[2]}_-_{m[3]}({m[4] or '00'}:{m[5] or '00'} {m[6] or m[7] or 'am'}))"),
input_text, flags = re.IGNORECASE)
print(repr(input_text)) # --> print after first re.sub()
#Only replacements of the type: "19:00 2023_-_02_-_04" --> "(2023_-_01_-_11(19:00 pm))"
input_text = re.sub(r"(?!\()" + date_format_00_blocking + r"\s*" + identificate_hours + r"\s*(?:del|de\s*el|de |)\s*" + date_format_00 + r"\s*" + identificate_hours_blocking + r"\s*(?!\))",
lambda m: (f"({m[5]}_-_{m[6]}_-_{m[7]}({m[1] or '00'}:{m[2] or '00'} {m[3] or m[4] or 'am'}))"),
input_text, flags = re.IGNORECASE)
print(repr(input_text)) # --> print after second re.sub()
Dado el input recibido en la variable input_text
, se deben realizar 2 reemplazos usando la función re.sub()
(o algo similar), pero estos reemplazos se deben realizar solo bajo ciertas condiciones. He intentado muchas veces restringir estas posibilidades para que los reemplazos no deseados no se realicen prematuramente dentro del código.
Ninguna de estas dos funciones re.sub()
debería modificar la fecha y hora Y*_MM_DD hh:ss am or pm
que están protegidas por paréntesis, como esta (Y*_MM_DD(hh:ss am or pm) )
. Por esta razón he puesto estas restricciones al principio (?!\()
y al final (?!\))
El primer re.sub()
no debería reemplazar las fechas si se especifica hora:minutos
antes.
El segundo re.sub()
no debería reemplazar las fechas si se especifica hora:minutos
detrás.
Por alguna razón desconocida, mi negative-lookahead no funciona y obtengo este output incorrecto:
#wrong output print after first re.sub()
'en la montaña a las ((2023_-_02_-_04(00:00 am))(19:00 pm)) o a las(2023_-_02_-_04(19:00 pm))aasassa(2023_-_02_-_04(00:00 am))sdshdhshj 19:00 pm(2023_-_02_-_04(00:00 am))fgfg'
#wrong output print after second re.sub()
'en la montaña a las ((2023_-_02_-_04(00:00 am))(19:00 pm)) o a las(2023_-_02_-_04(19:00 pm))aasassa(2023_-_02_-_04(00:00 am))sdshdhshj 19:00 pm(2023_-_02_-_04(00:00 am))fgfg'
Y este es el output correcto que estoy tratando de obtener:
#correct output print after first re.sub()
'en la montaña a las (2023_-_02_-_04(19:00 pm)) o a las (2023_-_02_-_04(19:00 pm)) aasassa (2023_-_02_-_04(00:00 am)) sdshdhshj 19:00 pm 2023_-_02_-_04 fgfg'
#correct output print after second re.sub()
'en la montaña a las (2023_-_02_-_04(19:00 pm)) o a las (2023_-_02_-_04(19:00 pm)) aasassa (2023_-_02_-_04(00:00 am)) sdshdhshj (2023_-_02_-_04(19:00 pm)) fgfg'
EDIT usando librería regex
import regex
#Example input:
input_text = "en la montaña a las (2023_-_02_-_04(19:00 pm)) o a las 2023_-_02_-_04 19:00 pm aasassa 2023_-_02_-_04 sdshdhshj 19:00 pm 2023_-_02_-_04 fgfg"
date_format_00 = r"(\d*)_-_(\d{2})_-_(\d{2})" # Y*_-_MM_DD
#identificate_hours = r"(?:(\d{1,2})|)(?:\:|)(?:(\d{1,2})|)\s*(?:(am)|(pm)|)"
#identificate_hours = r"(?:(\d{1,2})|)(?:\:| )(?:(\d{1,2})|)\s*(?:(am)|(pm)|)"
identificate_hours = r"(?:(\d{1,2})|)(?:(?:\:| )(\d{1,2})|)\s*(?:(am)|(pm)|)"
date_format_00_blocking = r"(?!\d*_-_\d{2}_-_\d{2}\s*)"
identificate_hours_blocking = r"(?!\d{1,2}(?:\:| )\d{1,2}\s*(?:a|p)m)"
#identificate_hours_blocking = r"(?!\d{2}(?:\:| )\d{2}\s(?:a|p)m)"
#Solo reemplazos del tipo: "2023_-_02_-_04 19:00" --> "(2023_-_01_-_11(19:00 pm))"
input_text = regex.sub(
r"(?!\()" + r"(" + identificate_hours_blocking + r")\K" + r"\s*" + date_format_00 + r"\s*(?:a\s*la(?:s| )|)\s*" + identificate_hours + r"\s*" + date_format_00_blocking + r"\s*(?!\))",
lambda m: (f"({m[1]}_-_{m[2]}_-_{m[3]}({m[4] or '00'}:{m[5] or '00'} {m[6] or m[7] or 'am'}))"),
input_text, flags = regex.IGNORECASE)
print(repr(input_text))
#Solo reemplazos del tipo: "19:00 2023_-_02_-_04" --> "(2023_-_01_-_11(19:00 pm))"
input_text = regex.sub(
r"(?!\()" + date_format_00_blocking + r"\s*" + identificate_hours + r"\s*(?:del|de\s*el|de |)\s*" + date_format_00 + r"\s*" + identificate_hours_blocking + r"\s*(?!\))",
lambda m: (f"({m[5]}_-_{m[6]}_-_{m[7]}({m[1] or '00'}:{m[2] or '00'} {m[3] or m[4] or 'am'}))"),
input_text, flags = regex.IGNORECASE)
print(repr(input_text))
Da un mal output:
'en la montaña a las ((_-_2023_-_02(04:00 am))(19:00 pm)) o a las(_-_2023_-_02(04:19 00))aasassa(_-_2023_-_02(04:00 am))sdshdhshj 19:00 pm(_-_2023_-_02(04:00 am))fgfg'
'en la montaña a las ((_-_2023_-_02(04:00 am))(19:00 pm)) o a las(_-_2023_-_02(04:19 00))aasassa(_-_2023_-_02(04:00 am))sdshdhshj 19:00 pm(_-_2023_-_02(04:00 am))fgfg'