从字符串 Java 中提取葡萄牙语日期

Question

我想从一个字符串中提取数据，而这个字符串有时会以不同的方式出现。例如，它可以是以下任何一项：

Portaria n° 200, 28 de janeiro de 2018.

Portaria n° 200, 28 de janeiro de 2018 da Republica Brasileira.

Portaria n° 200 28 de janeiro de 2018.

Portaria n° 200 2017/2018 de 28 de janeiro de 2018.

没有模式。我已经尝试过 xsplit: 它在某些情况下有效，但并非一直有效。

    String receberTextoIdentifica = (xmlUtil.xpathElement(documentOrigem, Constantes.GETIDENTIFICACAO).getTextContent());
    LocalDateTime receberDataEnvio = materiaDto.getDataEnvio();
    Integer receberDataEnvioAno = receberDataEnvio.getYear();
    if (receberTextoIdentifica != null && receberTextoIdentifica.toLowerCase().contains("" + receberDataEnvioAno)) {
        Element dataTexto = documentDestino.createElement("dataTexto");
        estruturas.appendChild(dataTexto);
        receberTextoIdentifica = receberTextoIdentifica.substring(0, receberTextoIdentifica.indexOf("" + receberDataEnvioAno) + 4);
        String words[] = receberTextoIdentifica.split(" ");
        String lastFive = words[words.length - 5] + " " + words[words.length - 4] + " " + words[words.length - 3] + " "
                + words[words.length - 2] + " " + words[words.length - 1];
        dataTexto.setTextContent(lastFive);

Answer 1

首先使用正则表达式在字符串中查找日期，然后使用 DateTimeFormatter 将其解析为 LocalDate:

    Pattern datePattern = Pattern.compile("\d{1,2} de [a-zç]{4,9} de \d{4}");
    DateTimeFormatter portugueseDateFormatter
            = DateTimeFormatter.ofLocalizedDate(FormatStyle.LONG)
                    .withLocale(Locale.forLanguageTag("pt-BR"));

    String[] differentStrings = {
            "Portaria n° 200, 28 de janeiro de 2018.",
            "Portaria n° 200, 28 de janeiro de 2018 da Republica Brasileira.",
            "Portaria n° 200 28 de janeiro de 2018.",
            "Portaria n° 200 2017/2018 de 28 de janeiro de 2018."
    };

    for (String s : differentStrings) {
        Matcher m = datePattern.matcher(s);
        if (m.find()) {
            String dateString = m.group();
            LocalDate date = LocalDate.parse(dateString, portugueseDateFormatter);
            System.out.println("Date found: " + date);
        } else {
            System.out.println("No date found in " + s);
        }
    }

输出为：

Date found: 2018-01-28
Date found: 2018-01-28
Date found: 2018-01-28
Date found: 2018-01-28

正则表达式接受一位或两位数字表示月份，然后是 de（前后有 space），月份名称的四到九个小写字母，包括 ç与 março（三月）一样，de又是一个四位数的年份。

您可能希望从解析中捕获 DateTimeParseException，甚至可能再次尝试 find 以查看实际日期是否出现在字符串的后面。

Answer 2

@Ole 建议的的替代方法。

该方法按原样从字符串中获取数据，而不将其转换为日期对象。

代码:

import java.util.Scanner;
import java.util.Arrays;
import java.util.List;

class Main {

  public static void main(String[] args) {

  String[] strs = {
            "Portaria n° 200, 28 de janeiro de 2018",
            "Portaria n° 200, 28 de janeiro de 2018 da Republica Brasileira",
            "Portaria n° 200 28 de janeiro de 2018",
            "Portaria n° 200 2017/2018 de 25 de janeiro de 2018"
    };

    String months[] = {"janeiro", "fevereiro", "marco", "abril", "maio", "junho", "julho", "agosto", "setembro", "outubro", "novembro", "dezembro"};

    int i,j; 

    for(i = 0; i < strs.length; i++) {
      String test_array [] = strs[i].split(" ");

      for (j = 3; j < test_array.length - 2; j++) {
        if(Arrays.asList(months).contains(test_array[j])) {
          System.out.println(test_array[j-2]+ " " + test_array[j-1]+" " +test_array[j]+ " " +test_array[j+1]+ " " +test_array[j+2]);
        }
      }
    }
  }
}

输出:

28 de janeiro de 2018
28 de janeiro de 2018
28 de janeiro de 2018
25 de janeiro de 2018

查看实际效果 here。

从字符串 Java 中提取葡萄牙语日期

Extract date in Portuguese from String Java

java

string

parsing

extract

date-parsing