Question

我有一大堆文件，其中一些文件中嵌入了日期。日期的格式不一致，往往不完整，例如“Aug06”，“Aug2006”，“2006年8月”，“08-06”，“01-08-06”，“2006”，“011004”等。除此之外，一些文件名有无关的数字看起来有点像日期，例如“20202010”。

简而言之，日期通常是不完整的，有时不存在，格式不一致，并且嵌入在带有其他信息的字符串中，例如“报告Aug06.xls”。

是否有任何可用的Perl模块可以从这样的字符串中猜测日期？它不一定是100％正确，因为它将由人工验证，但我正在努力使这个人尽可能简单，并且有成千上万的条目要检查：）

Answer 1

Date :: Parse肯定会成为你答案的一部分 - 这个数字会产生一个随机格式化的类似日期的字符串，并从中产生一个实际可用的日期。

问题的另一部分 - 文件名中的其他字符 - 非常不寻常，以至于您不太可能发现其他人已为您打包模块。

在没有看到更多样本数据的情况下，实际上只能猜测，但我首先要确定可能的或可能的“日期部分”候选人。

这是使用Date :: Parse的一个令人讨厌的暴力示例（一个更聪明的方法会使用regex-en列表来尝试和识别日期位 - 我很高兴燃烧cpu周期，虽然不太认为这么难！）

!/usr/bin/perl
use strict;
use warnings;
use Date::Parse;

my @files=("Report Aug06.xls", "ReportAug2006", "Report 11th September 2006.xls", 
           "Annual Report-08-06", "End-of-month Report01-08-06.xls", "Report2006");

# assumption - longest likely date string is something like '11th September 2006' - 19 chars
# shortest is "2006" - 4 chars.
# brute force all strings from 19-4 chars long at the end of the filename (less extension)
# return the longest thing that Date::Parse recognises as a date



foreach my $file (@files){
  #chop extension if there is one
  $file=~s/\..*//;
  for my $len (-19..-4){
    my $string = substr($file, $len);
    my $time = str2time($string);
    print "$string is a date: $time = ",scalar(localtime($time)),"\n" if $time;
    last if $time;
    }
  }

Answer 2

Date::Parse做你想做的事。

Answer 3

DateTime::Format::Natural看起来像是这份工作的候选人。我不能亲自担保，但它有good reviews。

从字符串中提取格式不一致的日期（日期解析，NLP）

3 个答案: