timelib

Question

我有一个问题，启发式地解析一个包含日期但是以相当任意（未知）格式的文本字符串。

function parseDateStr($text) {
    $cleanText = filter($text);
    # ...
    $day = findDay($cleanText);
    $month = findMonth($cleanText);
    $year = findYear($cleanText);
    # .. assert constraints, parse again or fail
    return sprintf('%04d-%02d-%02d', $year, $month, $day)
}

输入文本是英语语言中的句子加上任意语法符号（如\ W regexp类的子集）。该算法的任务是仅在过滤掉与日期无关的任何潜在垃圾（嘈杂）字后提取日期。允许算法失败并且不返回任何结果。如果在字符串中只找到两个连接数字（MM）和四个其他数字（YYYY）的两个组合 - 则假设两个数字对应于日期的月份，并且该日期被视为01（第一天的这个月）。结果以“YYYY-MM-DD”（SQL）格式（DATE类型）提供日期。

我的想法是继续使用 preg_replace ＆amp; amp;来设计一系列过滤器。合。此外，在$ year，$ day的范围内使用逻辑约束，使用$ month的词汇等等，但如果可以想到或已经存在类似但更优雅的解决方案或方法，我不会感到惊讶。如果是这样，请让我知道他们。如果可以指出任何评论家或潜在的陷阱，我也将不胜感激。

与类似问题的关系：

请注意，问题与更基本的日期解析问题不同：

因为在我的情况下我无法指定或确定字符串的格式。另一方面，以下问题涉及类似的任务：

我不确定最后一个是否重复，我最终不清楚OP想解析什么（虽然 checkdate 和 date_parse 似乎是部分有用）。但是关于整个“mokey业务”的第一个问题对于我的案例也是如此，并且已经通过模糊解析来解决，如

dparser.parse("monkey 2010-07-10 love banana",fuzzy=True)

最后，第二个包含很棒的抓取正则表达式（几乎“模糊”）。

PS 优雅我理解代码相当紧凑（性能没有明显限制，所以使用“hacky”regexp就可以了）。

Answer 1

timelib

嗯， date_parse 表现良好非常非常，学习为什么非常有教育意义。 PHP函数date_parse是ext/date/lib或 timelib 的一部分，显然（尽管缺少适当的文档）它在C中的实现（由Derick Rethans编写并从Zend Engine调用）带声明的宏部分）使它成为一个聪明的工具：

date_parse 已经模糊：文档页面上有很多警告（和抱怨）功能容忍和分析太多但显然它实际上是一个功能而不是错误（否则应该使用 date_parse_from_format 或相应的 DateTime :: createFromFormat（））
date_parse 以相对聪明的方式使用（很多）正则表达式（基于 re2c ）
除了过滤之外，这个“扫描仪”还会查找所有可能的单词和日期格式组合（来自已知月份和时区列表），最后，只需查看YYYY，MM和“盲目”猜测DD“单独”（非常类似于我需要做的事情）。
date_parse 是一个真正的编译“扫描程序”，它带有可由用户进一步处理的预见逻辑和错误报告（没有例外，只是嵌套结果数组中的消息）。 / LI>
甚至有一个python package包装了timelib的C代码（所以我甚至不确定哪个在“解析猴子业务” timelib 或 python-中最终更好dateutil ）

测试和示例

就我而言，我未能从我的数据集中找到任何未被 date_parse 解析的输入示例，即：

echo FuzzyDateParser::fromText('banana 1/2/3');
echo FuzzyDateParser::fromText('Joe Soap was born on 12 February 1981'));
echo FuzzyDateParser::fromText('2005 Feb., reprint'));
echo FuzzyDateParser::fromText('!'); # will fail to parse, producing an empty string.
echo FuzzyDateParser::fromText('monkey 2010-07-10 loves bananas and php');

可以在此gist中找到FuzzyDateParser类的代码。它可以作为一个模板来处理错误并实现从 date_parse 结果回退到自己的自定义逻辑（我最终不需要为我的情况做）。

从字符串中提取启发式（模糊）日期？

1 个答案:

timelib

测试和示例