在字符串中查找和格式化非正式日期的正确方法是什么？

Question

我有一个小项目，我在 firebase 数据库中将日期非正式地写为字符串。我需要将这些日期转换为日期时间格式。这是假设日期有效。网站中的输入不能修改（这是解决这个问题的全部前提）。还假设月份是按名称书写的，月份采用 YYYY 格式。

我对这些条目的一些示例进行了分类：

几乎露骨：

"13 july 2017", "3 december 2008", "december 2016", "21 december 2017", "2020", "24 november 2017", "14 march 2012", "22 july 2016", "20 february 2012", "17 january 2011", "obtained july 2013"...

这些会比较容易。年份始终是 4 位数字，日期是 2 位数字，月份是字符串。这些可以是 checked/compared，如果他们错过了确切的日期（1 或 2 位数字），我可以假设它可以作为第一个（一个月中的某天），同样适用于没有指定的月份（假设 1 月。 )

其他简单字符串：

"When the group is ready", "Not specified", "Canceled", "set."

这些不包含日期，因此不重要。只需检查没有数字就可以完成工作。这些可以设置为00-00-0000，没关系。

较难的：

"Within 12 or 24 months", "Q4 2013", "Late autumn 2019"

我在想：

如果我读 "within"，我会计算当前日期，加上它后面的数字（天、月、年）。

如果我将Q（quarters）定义为一张地图

Q={1:(1,2,3), 2:(4,5,6), 3:(7,8,9), 4:(10,11,12)}

和单词

when = {"Early" : 1, "Mid": 2, "Late": 3}

季节也一样。

例如，我可以访问第四季度 Q 的第 4 个元素并获取它的月份，或者晚 spring 作为季节 ["spring"] 并获取 [=67= 的月份].

回到问题：

我不确定我是否应该使用正则表达式、映射和如此多的比较来解决这个问题，会引入很多错误，或者使用某种 AI，但我还不太精通这门学科。

所以，回到问题，你会如何处理这类问题？

是否有任何图书馆可以提供帮助？

我觉得这里没有一个非常简单的实现，或者我知道的方法效率低下并且需要大量硬编码。

Answer 1

这是我所做的。如果有人需要解决这样的问题。

此代码可以优化，但我没有时间 atm。

假设：日期的格式为 [anything] DD [anything] month (written) [anything] YYYY

假设：如果未指定日期，则首选数字 1。几个月都一样。

import re
def validate_date(d,m,y):
    leap = False
    valid = False
    y = int(y)
    d = int(d)
    m = int(m)
    if(y % 400 == 0):
        leap=True
    if(y % 100 == 0):
        leap = False
    if(y % 4 == 0):
        leap = True
    if (m<13):
        if (m == 1 | m==3 | m== 5 | m==7 | m==8 | m==10 | m==12 ):
            if (d <=31):
                valid=True
        if (m == 4 | m==6 | m==9 | m==11 ):
                    if (d <= 30):
                         valid = True
        if (m==2):
            if (leap == True):
                    if (d <= 29):
                        valid = True
            if (leap == False):
                    if (d <= 28):
                        valid = True
    return valid

months = {
        1: "januari",
        2: "februari",
        3: "mars",
        4: "april",
        5: "maj",
        6: "juni",
        7: "juli",
        8: "augusti",
        9: "september",
        10: "oktober",
        11: "november",
        12: "december"
    }

def validate(date):
    month=0
    day=0
    year=0
    raw_date = str(date)
    #get the integers in the text
    raw_date = raw_date.lower()
    if (not ("q1" in raw_date or "q2" in raw_date or
             "q3" in raw_date or "q4" in raw_date)):
        if (len(re.findall('\d+', raw_date))==2):
            day, year = map(int, re.findall('\d+', raw_date))
        elif (len(re.findall('\d+', raw_date))==3):
            day, month, year = re.findall('\d+', raw_date)
    else:
        if (len(re.findall('\d+', raw_date))==2):
            quarter, year = map(int, re.findall('\d+', raw_date))
            day = 1

    #Set month to the string found, if any.
    if (month==0):
        if (months.get(1) in raw_date or ("q1" in raw_date)): month = 1
        elif(months.get(2) in raw_date): month = 2
        elif(months.get(3) in raw_date): month = 3
        elif(months.get(4) in raw_date or ("q2" in raw_date)): month = 4
        elif(months.get(5) in raw_date): month = 5
        elif(months.get(6) in raw_date): month = 6
        elif(months.get(7) in raw_date or ("q3" in raw_date)): month = 7
        elif(months.get(8) in raw_date): month = 8
        elif(months.get(9) in raw_date): month = 9
        elif(months.get(10) in raw_date or ("q4" in raw_date)): month = 10
        elif(months.get(11) in raw_date): month = 11
        elif(months.get(12) in raw_date): month = 12
        else: month = 1

    clean_date = str(str(day)+"-"+str(month)+"-"+str(year))
    # print (clean_date)
    if (validate_date(day,month,year)==False): return "00-00-0000"
    else: return str(clean_date)

在字符串中查找和格式化非正式日期的正确方法是什么？

What would be the correct approach to find and format an informally written date in a string?

python

algorithm

validation

full-text-search

firebase