在Python中从字符串提取日期

Question

我该怎么从像“猴子 2010-07-10 爱香蕉”这样的字符串中提取出日期呢？谢谢！

Answer 1

如果你想从字符串中提取日期，Python里最好用的模块就是datefinder模块。

你可以按照下面简单的步骤在你的Python项目中使用它。

步骤 1：安装 datefinder 包

pip install datefinder

步骤 2：在你的项目中使用它

import datefinder

input_string = "monkey 2010-07-10 love banana"
# a generator will be returned by the datefinder module. I'm typecasting it to a list. Please read the note of caution provided at the bottom.
matches = list(datefinder.find_dates(input_string))

if len(matches) > 0:
    # date returned will be a datetime.datetime object. here we are only using the first match.
    date = matches[0]
    print date
else:
    print 'No dates found'

注意：如果你预计会有很多匹配的结果，那么把结果转换成列表的方式就不太推荐了，因为这样会影响性能，变得比较慢。

Answer 2

使用 python-dateutil：

In [1]: import dateutil.parser as dparser

In [18]: dparser.parse("monkey 2010-07-10 love banana",fuzzy=True)
Out[18]: datetime.datetime(2010, 7, 10, 0, 0)

无效的日期会引发一个 ValueError 错误：

In [19]: dparser.parse("monkey 2010-07-32 love banana",fuzzy=True)
# ValueError: day is out of range for month

它可以识别多种格式的日期：

In [20]: dparser.parse("monkey 20/01/1980 love banana",fuzzy=True)
Out[20]: datetime.datetime(1980, 1, 20, 0, 0)

注意，如果日期不明确，它会进行猜测：

In [23]: dparser.parse("monkey 10/01/1980 love banana",fuzzy=True)
Out[23]: datetime.datetime(1980, 10, 1, 0, 0)

不过，处理模糊日期的方式是可以自定义的：

In [21]: dparser.parse("monkey 10/01/1980 love banana",fuzzy=True, dayfirst=True)
Out[21]: datetime.datetime(1980, 1, 10, 0, 0)

Answer 3

如果日期是以固定的格式给出的，你可以直接用一种叫做“正则表达式”的工具来提取日期，然后用“datetime.datetime.strptime”这个方法来解析日期。

import re
from datetime import datetime

match = re.search(r'\d{4}-\d{2}-\d{2}', text)
date = datetime.strptime(match.group(), '%Y-%m-%d').date()

但是，如果日期是以任意的格式给出的，那就不容易提取了。