python - 如何在 Python 中使用 NLP、RegEx 查找句子中的日期

Question

任何人都可以建议我一些查找和解析日期的方法(任何格式，“Aug06”，“Aug2006”，“2008 年 8 月 2 日”，“2006 年 8 月 19 日”，“08-06”，“01-08- 06") 在 python 中。

我遇到了这个问题，但它是在 perl 中...... Extract inconsistently formatted date from string (date parsing, NLP)

任何建议都会有所帮助。

Answer 1

这会找到您的例句中的所有日期:

for match in re.finditer(
    r"""(?ix)             # case-insensitive, verbose regex
    \b                    # match a word boundary
    (?:                   # match the following three times:
     (?:                  # either
      \d+                 # a number,
      (?:\.|st|nd|rd|th)* # followed by a dot, st, nd, rd, or th (optional)
      |                   # or a month name
      (?:(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[a-z]*)
     )
     [\s./-]*             # followed by a date separator or whitespace (optional)
    ){3}                  # do this three times
    \b                    # and end at a word boundary.""", 
    subject):
    # match start: match.start()
    # match end (exclusive): match.end()
    # matched text: match.group()

它绝对不是完美的并且容易错过一些日期(特别是如果它们不是英文的 - 21.Mai 2006 将失败，以及 4ème décembre 1999) ，并匹配诸如 August Augst Aug 之类的废话，但由于在您的示例中几乎所有内容都是可选的，因此您在正则表达式级别上无能为力。

下一步是将所有匹配项输入解析器，看看它是否可以将它们解析为合理的日期。

正则表达式无法正确解释上下文。想象一个(愚蠢的)文本，如 You'll find it in box 21. August 3rd will be the shipping date. 它将匹配 21。 8 月 3 日当然无法解析。