python显示当前中文日期_python自动提取文本中的时间（包含中文日期）

有时在处理不规则数据时需要提取文本包含的时间日期。

dateutil.parser模块可以统一日期字符串格式。

datefinder模块可以在字符串中提取日期。

datefinder模块实现也是用正则，功能很全 但是对中文不友好。

但是这两个模块都不能支持中文及一些特殊的情况；所以我用正则写了段代码可进行中文日期及一些特殊的时间识别

例如：

'2012年12月12日','3小时前','在2012/12/13哈哈','时间2012-12-11 12:22:30','日期2012-13-11','测试2013.12.24','今天12:13'

import re

import chardet

from datetime import datetime,timedelta

# 匹配正则表达式

matchs = {

1:(r'\d{4}%s\d{1,2}%s\d{1,2}%s \d{1,2}%s\d{1,2}%s\d{1,2}%s','%%Y%s%%m%s%%d%s %%H%s%%M%s%%S%s'),

2:(r'\d{4}%s\d{1,2}%s\d{1,2}%s \d{1,2}%s\d{1,2}%s','%%Y%s%%m%s%%d%s %%H%s%%M%s'),

3:(r'\d{4}%s\d{1,2}%s\d{1,2}%s','%%Y%s%%m%s%%d%s'),

4:(r'\d{2}%s\d{1,2}%s\d{1,2}%s','%%y%s%%m%s%%d%s'),

# 没有年份

5:(r'\d{1,2}%s\d{1,2}%s \d{1,2}%s\d{1,2}%s\d{1,2}%s','%%m%s%%d%s %%H%s%%M%s%%S%s'),

6:(r'\d{1,2}%s\d{1,2}%s \d{1,2}%s\d{1,2}%s','%%m%s%%d%s %%H%s%%M%s'),

7:(r'\d{1,2}%s\d{1,2}%s','%%m%s%%d%s'),

# 没有年月日

8:(r'\d{1,2}%s\d{1,2}%s\d{1,2}%s','%%H%s%%M%s%%S%s'),

9:(r'\d{1,2}%s\d{1,2}%s','%%H%s%%M%s'),

}

# 正则中的%s分割

splits = [

{1:[('年','月','日','点','分','秒'),('-','-','',':',':',''),('\/','\/','',':',':',''),('\.','\.','',':',':','')]},

{2:[('年','月','日','点','分'),('-','-','',':',''),('\/','\/','',':',''),('\.','\.','',':','')]},

{3:[('年','月','日'),('-','-',''),('\/','\/',''),('\.','\.','')]},

{4:[('年','月','日'),('-','-',''),('\/','\/',''),('\.','\.','')]},

{5:[('月','日','点','分','秒'),('-','',':',':',''),('\/','',':',':',''),('\.','',':',':','')]},

{6:[('月','日','点','分'),('-','',':',''),('\/','',':',''),('\.','',':','')]},

{7:[('月','日'),('-',''),('\/',''),('\.','')]},

{8:[('点','分','秒'),(':',':','')]},

{9:[('点','分'),(':','')]},

]

def func(parten,tp):

re.search(parten,parten)

parten_other = '\d+天前|\d+分钟前|\d+小时前|\d+秒前'

class TimeFinder(object):

def __init__(self,base_date=None):

self.base_date = base_date

self.match_item = []

self.init_args()

self.init_match_item()

def init_args(self):

# 格式化基础时间

if not self.base_date:

self.base_date = datetime.now()

if self.base_date and not isinstance(self.base_date,datetime):

try:

self.base_date = datetime.strptime(self.base_date,'%Y-%m-%d %H:%M:%S')

except Exception as e:

raise 'type of base_date must be str of%Y-%m-%d %H:%M:%S or datetime'

def init_match_item(self):

# 构建穷举正则匹配公式 及提取的字符串转datetime格式映射

for item in splits:

for num,value in item.items():

match = matchs[num]

for sp in value:

tmp = []

for m in match:

tmp.append(m%sp)

self.match_item.append(tuple(tmp))

def get_time_other(self,text):

m = re.search('\d+',text)

if not m:

return None

num = int(m.group())

if '天' in text:

return self.base_date - timedelta(days=num)

elif '小时' in text:

return self.base_date - timedelta(hours=num)

elif '分钟' in text:

return self.base_date - timedelta(minutes=num)

elif '秒' in text:

return self.base_date - timedelta(seconds=num)

return None

def find_time(self,text):

# 格式化text为str类型

if isinstance(text,bytes):

encoding =chardet.detect(text)['encoding']

text = text.decode(encoding)

res = []

parten = '|'.join([x[0] for x in self.match_item])

parten = parten+ '|' +parten_other

match_list = re.findall(parten,text)

if not match_list:

return None

for match in match_list:

for item in self.match_item:

try:

date = datetime.strptime(match,item[1].replace('\\',''))

if date.year==1900:

date = date.replace(year=self.base_date.year)

if date.month==1:

date = date.replace(month=self.base_date.month)

if date.day==1:

date = date.replace(day=self.base_date.day)

res.append(datetime.strftime(date,'%Y-%m-%d %H:%M:%S'))

break

except Exception as e:

date = self.get_time_other(match)

if date:

res.append(datetime.strftime(date,'%Y-%m-%d %H:%M:%S'))

break

if not res:

return None

return res

def test():

timefinder =TimeFinder(base_date='2020-04-23 00:00:00')

for text in ['2012年12月12日','3小时前','在2012/12/13哈哈','时间2012-12-11 12:22:30','日期2012-13-11','测试2013.12.24','今天12:13']:

res = timefinder.find_time(text)

print('text----',text)

print('res---',res)

if __name__ == '__main__':

test()

测试运行结果如下

text---- 2012年12月12日

res--- ['2012-12-12 00:00:00']

text---- 3小时前

res--- ['2020-04-22 21:00:00']

text---- 在2012/12/13哈哈

res--- ['2012-12-13 00:00:00']

text---- 时间2012-12-11 12:22:30

res--- ['2012-12-11 12:22:30']

text---- 日期2012-13-11

res--- None

text---- 测试2013.12.24

res--- ['2013-12-24 00:00:00']

text---- 今天12:13

res--- ['2020-04-23 12:13:00']