python - 如何使用 dateparser 检测字符串中的日期?
问题描述
我想使用 dateparser 来检测哪个单元格包含日期。我有多种不同的日期格式:Fr, 21.02.2020 // 20.02.2020 // 21.02 // 21-02-2020 // January, 21 2020 // 21-Jan-2020 // 21/02/20我相信未来还会有更多。库 dateparser 能够很好地检测到所有这些,尽管它也检测到 'PO'、'to'、'06'、'16:00' 作为日期或相对日期,这是我不想要的。我试图检查文档并关闭相对日期或查看如何更改以仅检测“真实日期”。在设置中,它们提供了不同的解析器,并且可以仅使用其中一些解析器。这些是默认的 PARSERS,程序会运行所有这些:
'timestamp':如果输入字符串以 10 位数字开头,可选地后跟附加数字或句点 (.),则前 10 位数字被解释为 Unix 时间。
'relative-time':解析与当前日期和时间相关的日期和时间(例如,“1 天前”、“2 周内”)。
'custom-formats':解析与 dateparser.parse() 或 DateDataParser.get_date_data 的 date_formats 参数列表中的日期格式之一匹配的日期。
'absolute-time':解析以绝对形式表示的日期和时间(例如“May 4th”、“1991-05-17”)。它考虑了 DATE_ORDER 或 PREFER_LOCALE_DATE_ORDER 等设置。
'base-formats':解析与以下日期格式之一匹配的日期
我试图只将其中一个与settings={'base-formats':True})
我的代码中的部分一起使用,但它不起作用。此外,他们还提供了以下代码片段来打开单个 PARSERS:
>>> from dateparser.settings import default_parsers
>>> parsers = [parser for parser in default_parsers if parser != 'relative-time']
>>> parse('today', settings={'PARSERS': parsers})
这里弹出错误:
ModuleNotFoundError: No module named 'dateparser.settings'
我试过 pip install ,不行。
文档链接:https ://dateparser.readthedocs.io/en/latest/#settings
这是我的代码:
import dateparser
inputlist = [[' ','Supplier:',' Company Y', ' ', 'Project:','Carasco', ' '],[' ','21-Jan-2020',' ','Consultant:','James Farewell', ' ', ' '],['PO', ' Service', ' Cost Center', ' Accounting Object', ' deliver at', ' Amount', ' Unit'],['0106776','XYZ', 'Countable',' ', '16:00','6,00','h',],['Fr, 21.02.2020', '20.03.2020', ' ', ' ', ' ', ' ','6/04/20']]
print(inputlist)
outerlist=[]
for row in inputlist:
innerlist = []
for cell in row:
parsecheck = dateparser.parse(cell, languages=['en', 'de'], settings={'base-formats':True})
if parsecheck == None:
innerlist.append(0)
else:
innerlist.append(1)
outerlist.append(innerlist)
print(outerlist)
我目前得到:
[0, 0, 0, 0, 0, 0, 0], [0, 1, 0, 0, 0, 0, 0], [1, 0, 0, 0, 0, 0, 0], [1, 0, 0, 0, 1, 1, 1], [1, 1, 0, 0, 0, 0, 1]]
期望的输出:
[0, 0, 0, 0, 0, 0, 0], [0, 1, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0,0, 0, 0], [1, 1, 0, 0, 0, 0, 1]]
解决方案
这是我能做的最好的:
import dateparser
import locale
inputlist = [[' ','Supplier:',' Company Y', ' ', 'Project:','Carasco', ' '],[' ','21-Jan-2020',' ','Consultant:','James Farewell', ' ', ' '],['PO', ' Service', ' Cost Center', ' Accounting Object', ' deliver at', ' Amount', ' Unit'],['0106776','XYZ', 'Countable',' ', '16:00','6,00','h',],['Fr, 21.02.2020', '20.03.2020', ' ', ' ', ' ', ' ','6/04/20']]
print(inputlist)
customlist = ["%d.%m.%Y", "%d-%b-%Y", "%w/%m/%y", "%a, %d.%m.%Y"]
outerlist=[]
saved = locale.setlocale(locale.LC_ALL)
locale.setlocale(locale.LC_ALL, 'de_de')
for row in inputlist:
innerlist = []
for cell in row:
parsecheck = dateparser.parse(cell, languages=['en', 'de'], settings={'PARSERS':['custom-formats']}, date_formats=customlist)
if parsecheck == None:
innerlist.append(0)
else:
innerlist.append(1)
outerlist.append(innerlist)
locale.setlocale(locale.LC_ALL, saved)
print(outerlist)
输出是:
[[0, 0, 0, 0, 0, 0, 0], [0, 1, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0], [0, 0, 0, 0, 0, 0, 0], [1, 1, 0, 0, 0, 0, 1]]
为了解析Fr, 21.02.2020
,我将语言环境更改为德国,并在接近尾声时回到您的初始语言环境。
推荐阅读
- java - 使用 Intellij 和 Java ME 的语言级别“1.4”不支持泛型
- reactjs - React Native TypeScript 错误:模块“react-native”没有导出成员“外观”
- python - 使用matplotlib进行仿射变换?
- azure - Azure Kubernetes 服务指标与 Prometheus 指标
- django - 使用 django mongoengine 的子查询
- jquery - 查询数据以在 html 中为仪表板显示多个图表的最佳策略
- php - 需要在此循环中将常量更改为动态
- javascript - 映射对象内部存在的数组仅在条件语句中给出时才起作用
- package - 有什么方法可以从另一个仓库导入一个特定的 lerna 包
- powershell - 使用 .CSV 文件添加 DNS 服务器条目