如何从非结构化字符串中提取 dd/mm/yyyy 格式的日期？

Question

我有几个像下面这样的字符串：

'Thursday;60 days;Monday, days;the last two years;the six months;October 2017;March 2018;three days;Jan. 4;Last year;Dec. 21;'

预期结果：October 2017

'January 7;30;39;24;46;1750;April 2017;April 30;February;'

预期结果：April 2017

'Thursday;a day;another six days;the day;Tuesday;three days;mid-October;Wednesday;'

预期结果：mid-October

我知道这个字符串完全是非结构化的，但是我们可以有一个 python 代码来从这些字符串中获取日期吗？

这是我尝试提取数据实体的 NER 模型的一部分。

我已经尝试了一些方法，但由于字符串没有正确的模式，这些方法甚至都没有接近结果

Answer 1

您可以使用 datefinder 和正则表达式来检查找到的日期时间字符串中的月份名称：

import datefinder, re
from datetime import datetime

strs = ['Thursday;60 days;Monday, days;the last two years;the six months;October 2017;March 2018;three days;Jan. 4;Last year;Dec. 21;',
        'January 7;30;39;24;46;1750;April 2017;April 30;February;',
        'Thursday;a day;another six days;the day;Tuesday;three days;mid-October;Wednesday;']

day_of_week_rx = re.compile(r'(?:A(?:pr(?:il)?|ug(?:ust)?)|Dec(?:ember)?|Feb(?:ruary)?|J(?:an(?:uary)?|u(?:ly|ne|[ln]))|Ma(?:rch|[ry])|Nov(?:ember)?|Oct(?:ober)?|Sep(?:tember)?)', re.I)
for s in strs:
    raw_dates = list(datefinder.find_dates(s, source=True))
    print([y for x,y in raw_dates if day_of_week_rx.search(y)])

输出：

['October 2017', 'March 2018', 'Jan. 4', 'Dec. 21']
['January 7', 'April 2017', 'April 30']
[]

如何从非结构化字符串中提取 dd/mm/yyyy 格式的日期？

How to extract out dates in a dd/mm/yyyy format from an unstructured string?

python

regex

named-entity-recognition