python用字符串获取月份提取字符串中日期

导读需求在日常业务开发中常常会碰到需要从一段文字中提取时间的情况。输入需要识别的文字段，例如从“技术总是要日积月累的，我是技术空间，欢迎关注我。此文章2022-....需求

• 在日常业务开发中常常会碰到需要从一段文字中提取时间的情况。

输入

• 需要识别的文字段，例如从“技术总是要日积月累的，我是技术空间，欢迎关注我。此文章2022-09-21发布”提取日期。

安装库

pip install chardet -i https://pypi.douban.com/simple/

格式

这里自定义需要提取出来后的时间格式：年-月-日 时:分:秒（%Y-%m-%d %H:%M:%S），

即base_date=2020-01-01 00:00:00，可以根据自己的格式修改为自己想要的格式。

定义正则匹配

# 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), (:, )]},]# 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),}

编写提取逻辑

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 Exception(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

• 执行入口

def handleDate(time_str): result = None # 定义日期格式 timefinder = TimeFinder(base_date=2020-01-01 00:00:00) parsed_time = timefinder.find_time(time_str.replace("\t", "").replace("\n", "")) if parsed_time is None: if time_str.find("年") >= 0: parsed_time = timefinder.find_time(time_str.replace(" ", "").replace("\t", "")) if parsed_time is not None: result = parsed_time[0] else: result = parsed_time[0] return result

测试

if __name__ == __main__: test1 = "技术总是要日积月累的，我是技术空间，欢迎关注我。此文章2022-09-21发布" test2 = "技术总是要日积月累的，我是技术空间，欢迎关注我。此文章2022/09/21发布" test3 = "技术总是要日积月累的，我是技术空间，欢迎关注我。此文章2022-9-21发布" test4 = "技术总是要日积月累的，我是技术空间，欢迎关注我。此文章2022-09-21 08:01发布" test5 = "技术总是要日积月累的，我是技术空间，欢迎关注我。此文章2022-09-21 08:01:01发布" test6 = "技术总是要日积月累的，我是技术空间，欢迎关注我。此文章2022年9月21日发布" print(test1 " -> " handleDate(test1)) print(test2 " -> " handleDate(test2)) print(test3 " -> " handleDate(test3)) print(test4 " -> " handleDate(test4)) print(test5 " -> " handleDate(test5)) print(test6 " -> " handleDate(test6))

此方法可以识别大部分文字段落中带有日期字符串的日期，日期必须是数字日期，不可是大写的，“一月”、“二零二二年”之类的识别不了。

关注我，坚持每日积累一个技巧，长期坚持，我们将会不断进步。

#java##python##程序员##git##计算机#