从字符串解析格式怪异的时间表达式

Question

我正在分析格式化的字符串。我需要知道有多少小时，分和秒，我检索的每个项目已经工作。你知道吗

我收到的数据格式如下，例如：

PT5H12M3S，意思是5小时12分3秒。你知道吗

但是，如果工作时间少于一小时，则不会显示：

PT12M3S，这意味着12分3秒。你知道吗

更重要的是，如果一个项目没有工作（或只有不到一分钟），数据将显示为：

PT0

如果一个项目只有完整的工作时间，它将显示为：

PT5H公司

我尝试用以下代码解析数据：

estimated = track_data['project']['estimate']['estimate'].split('PT')[1]
estimated_hours = estimated.split('H')[0]
estimated_minutes = estimated_hours.split('M')[0]
estimated_seconds = estimated_minutes.split('S')[0]

但是这个解决方案只有在数据是PT5H12M3S格式时才有效，其他格式都是错误的。例如，如果我得到数据PT5H，那么估计的小时数将是5，但是估计的分和秒数也将是5。显然这不是我们想要的。你知道吗

有没有人能指导我去哪里找？我用split尝试了一些其他的方法，但似乎不起作用，因为如果找不到'M'或'S'，它只会不断重复相同的数字。你知道吗

希望这是有意义的，并提前感谢。你知道吗

Answer 1

可以使用正则表达式：

import re

PROJECT_TIME_REGEX = re.compile(r'PT(?:(\d+)H)?(?:(\d+)M)?(?:(\d+)S)?')

def get_project_time(s):
    m = PROJECT_TIME_REGEX.match(s)
    if not m:
        raise ValueError('invalid string')
    hour, min, sec = (int(g) if g is not None else 0 for g in m.groups())
    return hour, min, sec

print(get_project_time('PT5H12M3S'))
# (5, 12, 3)
print(get_project_time('PT12M3S'))
# (0, 12, 3)
print(get_project_time('PT0S'))
# (0, 0, 0)
print(get_project_time('PT5H'))
# (5, 0, 0)

Answer 2

怎么样？你知道吗

import re

def parsept(ptstring):
    regex = re.compile(
            r'PT'
            r'(?:(?P<h>\d+)H)?'
            r'(?:(?P<m>\d+)M)?'
            r'(?:(?P<s>\d+)S)?')
    m = regex.match(ptstring)
    if m:
        return (int(m.group('h')) if m.group('h') else 0, 
            int(m.group('m') if m.group('m') else 0,
            int(m.group('s') if m.group('s') else 0)
    # else
    raise ValueError('{0} does not look like a valid PTxHyMzS string'.format(ptstring))

Answer 3

您可以使用正则表达式和正则表达式中的组来捕获小时、分钟和秒—所有这些都是可选的。你知道吗

大致如下： /PT(\d*)H?(\d*)M?(\d*)S?/

括号表示组。因此，您的捕获组将包含小时、分钟和秒（所有这些都是可选的）。你知道吗

但是正则表达式不是那么可读。我强烈建议尝试像Parsec这样的解析器组合库。解析器组合器更具可读性和可维护性，编写起来也很有趣。你知道吗