基于python和正则匹配实现日期标准化方法

洛基Nickey

已于 2022-12-10 12:49:46 修改

阅读量1.6k

点赞数 1

分类专栏： python 文章标签： python 自然语言处理正则表达式

于 2021-12-08 15:53:48 首次发布

本文链接：https://blog.csdn.net/sinat_34604992/article/details/121641052

版权

python 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

对文本进行处理的时候，大家有没有遇到过这样的烦恼——对于文本表示日期的实体，当我们希望把它提取出来时，由于日期格式五花八门，实际处理过程中总会发现各种各样的bug（血泪教训），洛基在网上也没有找到一个特别好的日期格式化的程序，所以打算自己写一个，对于遇到的问题也会不断更新，特记录在此博客中，后续会更新到github上。（update：代码上传到github了，地址戳这里~）

简单介绍一下这个程序：输入是一个字符串，该字符串包含一个日期表示以及其他的噪声字符，程序会进行正则匹配并识别出日期，返回标准时间戳格式的日期字符串。使用方法也很简单：

from date_uniform.utils import date_format
output = date_format(string_text)

实际使用效果如下：

* input:15. MARCH. 2021,	 	output:2021-03-15 00:00:00
* input:2-DEC-21,	 	output:2021-12-02 00:00:00
* input:2-十二月-21,	 	output:2021-12-02 00:00:00
* input:2-十二月-20,	 	output:2020-12-02 00:00:00
* input:2-十二月-22,	 	output:2022-12-02 00:00:00
* input:28 - Jul - 21,	 	output:2021-07-28 00:00:00
* input:June.8,2021,	 	output:2021-06-08 00:00:00
* input:12月 4日,	 	output:2022-12-04 00:00:00
* input:2021 - 07 - 05,	 	output:2021-07-05 00:00:00
* input:2021.07.29,	 	output:2021-07-29 00:00:00
* input:2021年8月30日,	 	output:2021-08-30 00:00:00
* input:2021 年06 月06 日,	 	output:2021-06-06 00:00:00
* input:2021 / 09 / 11,	 	output:2021-09-11 00:00:00
* input:2021 / 6 / 11日,	 	output:2021-06-11 00:00:00
* input:21 / 9 / 2,	 	output:2022-09-02 00:00:00
* input:Jun, 15, 2021,	 	output:2021-06-15 00:00:00
* input:AUG - 08, 2021,	 	output:2021-08-08 00:00:00
* input:JUL 16, 2020,	 	output:2020-07-16 00:00:00
* input:4 / 21 / 2021,	 	output:2022-04-21 00:00:00
* input:6 / 22 / 2021,	 	output:2022-06-22 00:00:00
* input:15 / OCT. / 2021,	 	output:2022-10-15 00:00:00
* input:04 / Apr / 2021,	 	output:2021-04-04 00:00:00
* input:28 - Jul - 21,	 	output:2021-07-28 00:00:00
* input:28 - Sep - 2021,	 	output:2021-09-28 00:00:00
* input:30th Aug.2021,	 	output:2021-08-30 00:00:00
* input:14 Jul, 2021,	 	output:2021-07-14 00:00:00
* input:22, MAY, 2021,	 	output:2021-05-22 00:00:00
* input:5.18,	 	output:2022-05-18 00:00:00
* input:12.14,	 	output:2022-12-14 00:00:00
* input:9月14日,	 	output:2022-09-14 00:00:00
* input:6 月11号,	 	output:2022-06-11 00:00:00
* input:4 月2 号,	 	output:2022-04-02 00:00:00
* input:8 - 8日,	 	output:2022-08-08 00:00:00
* input:AUG 17,	 	output:2022-08-17 00:00:00
* input:Oct25,	 	output:2022-10-25 00:00:00
* input:7 - 5号,	 	output:2022-07-05 00:00:00
* input:01 - 08,	 	output:2022-01-08 00:00:00
* input:4 / 30,	 	output:2022-04-30 00:00:00
* input:28 - Jul,	 	output:2022-07-28 00:00:00
* input:12 - JUL,	 	output:2022-07-12 00:00:00
* input:7 - 九月,	 	output:2022-09-07 00:00:00
* input:14th - July,	 	output:2022-07-14 00:00:00
* input:06TH  JULY,	 	output:2022-07-06 00:00:00
* input:32th july,	 	output:None
* input:31th july,	 	output:2022-07-31 00:00:00

不足之处，将移至future work：