python显示当前中文日期_python自动提取文本中的时间（包含中文日期）

有时在处理不规则数据时需要提取文本包含的时间日期。

dateutil.parser模块可以统一日期字符串格式。

datefinder模块可以在字符串中提取日期。

datefinder模块实现也是用正则，功能很全但是对中文不友好。

但是这两个模块都不能支持中文及一些特殊的情况；所以我用正则写了段代码可进行中文日期及一些特殊的时间识别

例如：

'2012年12月12日','3小时前','在2012/12/13哈哈','时间2012-12-11 12:22:30','日期2012-13-11','测试2013.12.24','今天12:13'

import re

import chardet

from datetime import datetime,timedelta

# 匹配正则表达式

matchs = {

1:(r'\d{4}%s\d{1,2}%s\d{1,2}%s \d{1,2}%s\d{1,2}%s\d{1,2}%s','%%Y%s%%m%s%%d%s %%H%s%%M%s%%S%s'),

2:(r'\d{4}%s\d{1,2}%s\d{1,2}%s \d{1,2}%s\d{1,2}%s','%%Y%s%%m%s%%d%s %%H%s%%M%s'),

3:(r'\d{4}%s\d{1,2}%s\d{1,2}%s','%%Y%s%%m%s%%d%s'),

4:(r'\d{2}%s\d{1,2}%s\d{1,2}%s','%%y%s%%m%s%%d%s'),

# 没有年份

5:(r'\d{1,2}%s\d{1,2}%s \d{1,2}%s\d{1,2}%s\d{1,2}%s','%%m%s%%d%s %%H%s%%M%s%%S%s'),

6:(r'\d{1,2}%s\d{1,2}%s \d{1,2}%s\d{1,2}%s','%%m%s%%d%s %%H%s%%M%s'),

7:(r'\d{1,2}%s\d{1,2}%s','%%m%s%%d%s'),

# 没有年月日

8:(r'\d{1,2}%s\d{1,2}%s\d{1,2}%s','%%H%s%%M%s%%S%s'),

9:(r'\d{1,2}%s\d{1,2}%s','%%H%s%%M%s'),

}

# 正则中的%s分割

splits = [

{1:[('年','月','日','点','分','秒'),('-','-','',':',':',''),('\/','\/','',':',':',''),('\.','\.','',':',':','')]},

{2:[('年','月','日','点','分'),('-','-','',':',''),('\/','\/','',':',''),('\.','\.','',':','')]},

{3:[('年','月','日'),('-','-',''),('\/','\/',''),('\.','\.','')]},

{4:[('年','月','日'),('-','-',''),('\/','\/',''),('\.','\.','')]},

{5:[('月','日','点','分','秒'),('-','',':',':',''),('\/','',':',':',''),('\.','',':',':','')]},

{6:[('月','日','点','分'),('-','',':',''),('\/','',':',''),('\.','',':','')]},

{7:[('月','日'),('-',''),('\/',''),('\.','')]},

{8:[('点','分','秒'),(':',':','')]},

{9:[('点','分'),(':','')]},

]

def func(parten,tp):

re.search(parten,parten)

parten_other = '\d+天前|\d+分钟前|\d+小时前|\d+秒前'

class TimeFinder(object):

def __init__(self,base_date=None):

self.base_date = base_date

self.match_item = []

self.init_args()

self.init_match_item()

def init_args(self):

# 格式化基础时间

if not self.base_date:

self.base_date = datetime.now()

if self.base_date and not isinstance(self.base_date,datetime):

try:

self.base_date = datetime.strptime(self.base_date,'%Y-%m-%d %H:%M:%S')

except Exception as e:

raise 'type of base_date must be str of%Y-%m-%d %H:%M:%S or datetime'

def init_match_item(self):

# 构建穷举正则匹配公式及提取的字符串转datetime格式映射

for item in splits:

for num,value in item.items():

match = matchs[num]

for sp in value:

tmp = []

for m in match:

tmp.append(m%sp)

self.match_item.append(tuple(tmp))

def get_time_other(self,text):

m = re.search('\d+',text)

if not m:

return None

num = int(m.group())

if '天' in text:

return self.base_date - timedelta(days=num)

elif '小时' in text:

return self.base_date - timedelta(hours=num)

elif '分钟' in text:

return self.base_date - timedelta(minutes=num)

elif '秒' in text:

return self.base_date - timedelta(seconds=num)

return None

def find_time(self,text):

# 格式化text为str类型

if isinstance(text,bytes):

encoding =chardet.detect(text)['encoding']

text = text.decode(encoding)

res = []

parten = '|'.join([x[0] for x in self.match_item])

parten = parten+ '|' +parten_other

match_list = re.findall(parten,text)

if not match_list:

return None

for match in match_list:

for item in self.match_item:

try:

date = datetime.strptime(match,item[1].replace('\\',''))

if date.year==1900:

date = date.replace(year=self.base_date.year)

if date.month==1:

date = date.replace(month=self.base_date.month)

if date.day==1:

date = date.replace(day=self.base_date.day)

res.append(datetime.strftime(date,'%Y-%m-%d %H:%M:%S'))

break

except Exception as e:

date = self.get_time_other(match)

if date:

res.append(datetime.strftime(date,'%Y-%m-%d %H:%M:%S'))

break

if not res:

return None

return res

def test():

timefinder =TimeFinder(base_date='2020-04-23 00:00:00')

for text in ['2012年12月12日','3小时前','在2012/12/13哈哈','时间2012-12-11 12:22:30','日期2012-13-11','测试2013.12.24','今天12:13']:

res = timefinder.find_time(text)

print('text----',text)

print('res---',res)

if __name__ == '__main__':

test()

测试运行结果如下

text---- 2012年12月12日

res--- ['2012-12-12 00:00:00']

text---- 3小时前

res--- ['2020-04-22 21:00:00']

text---- 在2012/12/13哈哈

res--- ['2012-12-13 00:00:00']

text---- 时间2012-12-11 12:22:30

res--- ['2012-12-11 12:22:30']

text---- 日期2012-13-11

res--- None

text---- 测试2013.12.24

res--- ['2013-12-24 00:00:00']

text---- 今天12:13

res--- ['2020-04-23 12:13:00']

python显示当前中文日期_python自动提取文本中的时间（包含中文日期）相关推荐

python时间模块提取时间_【转载】python自动提取文本中的时间（包含中文日期）...
import re import chardet from datetime import datetime,timedelta # 匹配正则表达式 matchs = { 1:(r'\d{4}%s\d ...
时间语义解析工具 Python版，从文本中提取时间，并解析其含义，在线使用，时间语义识别
时常我们需要从文本中,提取出时间信息,并将这个信息标准化,例如: [新华社报2021-9-9]国家统计局今天发布了2021年8月份全国CPI(居民消费价格指数) 需要从中抽取出 2021-9-9 和 ...
自然语言处理(NLP)之从文本中提取时间
在我们的日常生活和工作中,从文本中提取时间是一项非常基础却重要的工作,因此,接下来将介绍如何从文本中有效地提取时间. 举个简单的例子,我们需要从下面的文本中提取时间: 6月28日,杭州市统计局权威 ...
SpringBoot中文文档 SpringBoot中文参考指南 SpringBoot中文参考文档 springboot中文文档 springboot中文
SpringBoot中文文档 SpringBoot中文参考指南 SpringBoot中文参考文档 springboot中文文档 springboot中文 SpringBoot中文文档 SpringBo ...
python 英语词频统计软件_Python数据挖掘——文本分析
作者 | zhouyue65 来源 | 君泉计量文本挖掘:从大量文本数据中抽取出有价值的知识,并且利用这些知识重新组织信息的过程. 一.语料库(Corpus) 语料库是我们要分析的所有文档的集合. ...
python爬虫中文乱码_Python 爬虫过程中的中文乱码问题
python+mongodb 在爬虫的过程中,抓到一个中文字段,encode和decode都无法正确显示注:以下print均是在mongodb中截图显示的,在pythonshell中可能会有所不同 ...
python单词个数统计_Python 统计文本中单词的个数
1.读文件,通过正则匹配 def statisticWord(): line_number = 0 words_dict = {} with open (r'D:\test\test.txt',enc ...
python中文聊天_Python下两种曲线救国实现AIML中文聊天机器人功能的方法
alicebot.jpg AIML,全称Artificial Intelligence Markup Language,是一种XML模式,用做自然语言聊天机器人的规则库. 最简单的AIML规则如下: ...
python输出文本和值_python读取文本中数据并转化为DataFrame的实例
在技术问答中看到一个这样的问题,感觉相对比较常见,就单开一篇文章写下来. 从纯文本格式文件 "file_in"中读取数据,格式如下: 需要输出成"file_out&quo ...

python显示当前中文日期_python自动提取文本中的时间（包含中文日期）

python显示当前中文日期_python自动提取文本中的时间（包含中文日期）相关推荐

最新文章

热门文章