Question

我有一个脚本可以读取电子邮件并从正文中提取日期时间。这是正常工作，直到它收到一封日期时间格式的电子邮件，如下所示：

06:00 Wednesday 22ndFebruary 2017

在22日和2月之间没有空间，因此当函数运行以将时间排除在体外时我得到了错误

Traceback (most recent call last):
  File "email_processing.py", line 137, in <module>
    e_start_time, e_end_time = main_dt(content)
  File "email_processing.py", line 26, in main_dt
    date = dateutil.parser.parse(re.search(pattern, data).group(0))
  File "/usr/lib/python2.7/site-packages/dateutil/parser.py", line 1168, in parse
    return DEFAULTPARSER.parse(timestr, **kwargs)
  File "/usr/lib/python2.7/site-packages/dateutil/parser.py", line 559, in parse
    raise ValueError("Unknown string format")
ValueError: Unknown string format

我目前的功能如下，任何人都可以想到验证它的方法/确保有空间需要吗？鉴于字符串中的任何地方都可能存在空格问题，并且随着更多电子邮件的进入，日期会明显改变？

由于

def main_dt(data):
    dates = []
    for pattern in ['(?<=Start Time & Date: ).*', '(?<=Completion Time & Date: ).*']:
        try:
            date = dateutil.parser.parse(re.search(pattern, data).group(0))
        except:
            print re.search(pattern, data).group(0)
        dates.append(date)
    return dates

样本体：

Dear Customer,

(Call Transferred) We are writing to inform you of planned engineering work taking place which could impact your service.

The affected site is :  XXXXXX

Maintenance window:

Start Time & Date: 01:00 Wednesday 22nd February 2017               
Completion Time & Date: 06:00 Wednesday 22ndFebruary 2017                

Details of Work:
...

Answer 1

这更多是正则表达式问题。

您要捕获异常的部分，请确保使用以下方法重新格式化不正确的数据：

    validation_pattern = '(.*\\d+[a-z]{2})([A-Z].*)'
    try:
        date = dateutil.parser.parse(re.search(pattern, data).group(0))
    except:
        dirty_data_group = re.search(pattern, data).group(0)
        tidy_data_group = re.sub(validation_pattern, r'\1 \2', dirty_data_group)
        date = dateutil.parser.parse(tidy_data_group)

这应该每次在数组中得到正确的日期。但是，这仅限于您所指的具体问题，即月份与月份之间没有空格。

Python - 识别日期时间字符串并确保其为日期时间可读格式

1 个答案: