Question

我有一个带有“日期”列的数据集，该数据集具有多种格式的日期，包括：

2018.05.07
2018年6月1日
报道2018年6月1日
2018年6月
2018
1970年之前
1941-1945
Ca。 1960

还有无效的日期，例如：

2010年2月190日

我正在尝试查找具有确切日期（日，月和年）的日期，并将其转换为日期时间。我还需要在字段中使用“已报告”排除日期。有什么方法可以过滤掉这些数据，而不必先找到所有可能的日期格式？

Answer 1

使用dateutil库。

if语句以检查是否缺少日期（月，年，日期）的任何部分，如果是，则避免使用。

如果要从字符串中提取日期，请使用fuzzy=True，例如“ Reported 01 Jun 2018”

    import dateutil.parser
    dates = ["2018.05.07","01-Jun-2018","Reported 01 Jun 2018","Jun 2018","2018","before 1970","1941-1945","Ca. 1960","190Feb-2010"]
    formated_date = []
    for date in dates:
        try:
            if dateutil.parser.parse(date,fuzzy=False,default=datetime.datetime(2015, 1, 1)) == dateutil.parser.parse(date,fuzzy=False,default=datetime.datetime(2016, 2, 2)):
                formated_date.append(yourdate)
        except:
            continue

另一种解决方案。这是蛮力方法，它以每种格式检查每个日期。继续添加更多格式以使其适用于任何日期格式。但这是耗时的方法。

import datetime

dates = ["2018.05.07","01-Jun-2018","Reported 01 Jun 2018","Jun 2018","2018","before 1970","1941-1945","Ca. 1960","190Feb-2010"]

formats = ["%Y%m%d","%Y.%m.%d","%Y-%m-%d","%Y/%m/%d","%Y%a%d","%Y.%a.%d","%Y-%a-%d","%Y%A%d","%Y.%A.%d","%Y-%A-%d",
          "%d-%m-%Y","%d.%m.%Y","%d%m%Y","%d/%m/%Y","%d-%b-%Y","%d%b%Y","%d.%b.%Y","%d/%b/%Y"]

formated_date = []
for date in dates:
    for fmt in formats:
        try:
            dt = datetime.datetime.strptime(date,fmt)
            formated_date.append(dt)
        except:
            continue

Answer 2

In [1]: string_with_dates = """entries are due by January 4th, 2017 at 8:00pm created 01/15/2005 by ACME Inc. and associates."""

In [2]: import datefinder

In [3]: matches = datefinder.find_dates(string_with_dates)

In [4]: for match in matches:
   ...:     print match


2017-01-04 20:00:00
2005-01-15 00:00:00

希望这可以帮助您从带有日期的字符串中查找日期

从数据框中选择特定日期

2 个答案: