时间戳

首页 > 解决方案 > 如何使用 dateparser 检测字符串中的日期？

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]]

标签： pythondatetimeparsingfeature-engineeringdateparser

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。

该格式基于strftime() 和 strptime() 行为的文档

推荐阅读