Python: получить весь возможный формат даты из строки и преобразовать его в объект datetime - PullRequest
Новая
       80

Python: получить весь возможный формат даты из строки и преобразовать его в объект datetime

0 голосов
/ 14 июня 2019

У меня есть тысячи файлов, которые содержат строку даты в своем имени файла в любых возможных форматах.Ниже приведены некоторые примеры

19022019_tasks.pdf

Meeting_Minutes 12-19-18.pdf

tasks_for-August-22-2018-Special-Meeting

27092018_minutes.pdf

02AUG2018-Meeting.pdf

Minutes_meeting_08.02.2018.pdf

file020719.pdf

и все другие возможныеформат даты.

В настоящее время я использую регулярное выражение для каждого формата даты, чтобы получить его из имени файла, а затем преобразовываю его в объект даты-времени, используя метод datetime.strptime, предоставляя соответствующий формат даты для каждой строки даты.

Выпуск в формате даты бесчисленны.Я не могу записать все возможные форматы даты. Ищу какую-нибудь стороннюю библиотеку или плагин, который сначала получает строку даты из имени файла, а затем конвертирует ее в объект даты и времени python .

Есть ли в python такая утилита?

1 Ответ

0 голосов
/ 14 июня 2019

Вы можете сделать что-то вроде этого: 

import dateparser
import calendar 
import re

month_full = [x.lower() for x in list(calendar.month_name)]  # ['january', 'february',... ]
month_short = [x.lower() for x in list(calendar.month_abbr)] # ['jan', 'feb',... ]

def parseDate(date_str):

    #see if month is written in the filename
    for idx, x in enumerate(month_full):
        if idx == 0: continue
        if x in date_str:
            date_str = date_str.lower().replace(x, str(idx).zfill(2) )

    for idx, x in enumerate(month_short):
        if idx == 0: continue
        if x in date_str:
            date_str = date_str.lower().replace(x, str(idx).zfill(2) )


    date_str = date_str.replace('-', '').replace('.', '')

    #Extract digits with len > 6 and < 9 in string
    date_str= [x for x in re.findall(r'([0-9]{6,8})', date_str)][0]

    #Possible dateformats
    date_formats = {6:['%d%M%y','%m%d%y' ], 8:['%d%m%Y', '%m%d%Y']}

    try:
        #Filter out results where date was parsed with minutes
        return list(set([dateparser.parse(date_str, date_formats=[x]) for x in date_formats[len(date_str)] if dateparser.parse(date_str, date_formats=[x]).minute == 0] ))

    except:
        return dateparser.parse(date_str)

dates = ["19022019_tasks.pdf","Meeting_Minutes 12-19-18.pdf", "tasks_for-August-22-2018-Special-Meeting","27092018_minutes.pdf","02AUG2018-Meeting.pdf","Minutes_meeting_08.02.2018.pdf","file020719.pdf"]

for x in dates:
    print(x)
    print('===>', parseDate(x))
    print()

output: 

19022019_tasks.pdf
===> [datetime.datetime(2019, 2, 19, 0, 0)]

Meeting_Minutes 12-19-18.pdf
===> [datetime.datetime(2018, 12, 19, 0, 0)]

tasks_for-August-22-2018-Special-Meeting
===> [datetime.datetime(2018, 8, 22, 0, 0)]

27092018_minutes.pdf
===> [datetime.datetime(2018, 9, 27, 0, 0)]

02AUG2018-Meeting.pdf
===> [datetime.datetime(2018, 2, 8, 0, 0), datetime.datetime(2018, 8, 2, 0, 0)]

Minutes_meeting_08.02.2018.pdf
===> [datetime.datetime(2018, 2, 8, 0, 0), datetime.datetime(2018, 8, 2, 0, 0)]

file020719.pdf
===> [datetime.datetime(2019, 2, 7, 0, 0)]

Обратите внимание, что в некоторых случаях вам придется решить, какой из них соответствует (например, 08.02.2018 год может быть 8 февраля или 2 августа)

...