从python中的字符串中提取日期

Question

我有一个字符串

 fmt_string2 = I want to apply for leaves from 12/12/2017 to 12/18/2017

在这里，我想提取以下日期。 但是我的代码必须健壮，因为它可以是2017年1月12日或1月17日的任何格式，并且其位置也可以更改。 对于以上代码，我尝试执行以下操作：

''.join(fmt_string2.split()[-1].split('.')[::-10])

但是在这里，我给出我的约会位置。 我不要。 任何人都可以帮助制作用于提取日期的强大代码。

Answer 1

如果12/12/2017 ， 12 January 2017和12 Jan 17是唯一可能的模式，然后使用正则表达式应该是足够了下面的代码。

import re

string = 'I want to apply for leaves from 12/12/2017 to 12/18/2017 I want to apply for leaves from 12 January 2017 to ' \
       '12/18/2017 I want to apply for leaves from 12/12/2017 to 12 Jan 17 '

matches = re.findall('(\d{2}[\/ ](\d{2}|January|Jan|February|Feb|March|Mar|April|Apr|May|May|June|Jun|July|Jul|August|Aug|September|Sep|October|Oct|November|Nov|December|Dec)[\/ ]\d{2,4})', string)

for match in matches:
    print(match[0])

输出：

12/12/2017
12/18/2017
12 January 2017
12/18/2017
12/12/2017
12 Jan 17

要了解正则表达式的作用，请在regex101中进行了解 。

Answer 2

使用正则表达式

我建议您采用以下方法，而不是完全通过正则表达式：

import re
from dateutil.parser import parse

示范文本

text = """
I want to apply for leaves from 12/12/2017 to 12/18/2017
then later from 12 January 2018 to 18 January 2018
then lastly from 12 Feb 2018 to 18 Feb 2018
"""

使用正则表达式查找形式为“从A到B”的任何内容。 这样做的好处是，我不必照顾每个案例并继续构建我的正则表达式。 而是动态的。

pattern = re.compile(r'from (.*) to (.*)')    
matches = re.findall(pattern, text)

文本的正则表达式上方的模式是

[('12/12/2017', '12/18/2017'), ('12 January 2018', '18 January 2018'), ('12 Feb 2018', '18 Feb 2018')]

对于每次比赛，我都会分析日期。 对于不是日期的值，将引发异常，因此在除了block之外，我们都会通过。

for val in matches:
    try:
        dt_from = parse(val[0])
        dt_to = parse(val[1])

        print("Leave applied from", dt_from.strftime('%d/%b/%Y'), "to", dt_to.strftime('%d/%b/%Y'))
    except ValueError:
        print("skipping", val)

输出：

Leave applied from 12/Dec/2017 to 18/Dec/2017
Leave applied from 12/Jan/2018 to 18/Jan/2018
Leave applied from 12/Feb/2018 to 18/Feb/2018

使用pyparsing

使用正则表达式的局限性在于它可能最终变得非常复杂，以使其更动态以处理例如

text = """
I want to apply for leaves from start 12/12/2017 to end date 12/18/2017 some random text
then later from 12 January 2018 to 18 January 2018 some random text
then lastly from 12 Feb 2018 to 18 Feb 2018 some random text
"""

因此，Pyton的pyparsing模块最适合这里。

import pyparsing as pp

这里的方法是创建一个可以解析整个文本的字典。

为可以用作pyparsing关键字的月份名称创建关键字

months_list= []
for month_idx in range(1, 13):
    months_list.append(calendar.month_name[month_idx])
    months_list.append(calendar.month_abbr[month_idx])

# join the list to use it as pyparsing keyword
month_keywords = " ".join(months_list)

解析字典：

# date separator - can be one of '/', '.', or ' '
separator = pp.Word("/. ")

# Dictionary for numeric date e.g. 12/12/2018
numeric_date = pp.Combine(pp.Word(pp.nums, max=2) + separator + pp.Word(pp.nums, max=2) + separator + pp.Word(pp.nums, max=4))

# Dictionary for text date e.g. 12/Jan/2018
text_date = pp.Combine(pp.Word(pp.nums, max=2) + separator + pp.oneOf(month_keywords) + separator + pp.Word(pp.nums, max=4))

# Either numeric or text date
date_pattern = numeric_date | text_date

# Final dictionary - from x to y
pattern = pp.Suppress(pp.SkipTo("from") + pp.Word("from") + pp.Optional("start") + pp.Optional("date")) + date_pattern
pattern += pp.Suppress(pp.Word("to") + pp.Optional("end") + pp.Optional("date")) + date_pattern

# Group the pattern, also it can be multiple
pattern = pp.OneOrMore(pp.Group(pattern))

解析输入文本：

result = pattern.parseString(text)

# Print result
for match in result:
    print("from", match[0], "to", match[1])

输出：

from 12/12/2017 to 12/18/2017
from 12 January 2018 to 18 January 2018
from 12 Feb 2018 to 18 Feb 2018