Extrayendo fecha de una cadena en Python

¿Cómo puedo extraer la fecha de una cadena como "mono 2010-07-10 love banana"? ¡Gracias!

Si la fecha se da en una forma fija, simplemente puede usar una expresión regular para extraer la fecha y "datetime.datetime.strptime" para analizar la fecha:

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()

De lo contrario, si la fecha se da de forma arbitraria, no podrá extraerla fácilmente.

Usando 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)

Las fechas no válidas generan un ValueError:

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

Puede reconocer fechas en muchos formatos:

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

Tenga en cuenta que adivina si la fecha es ambigua:

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

Pero la forma en que analiza las fechas ambiguas es personalizable:

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

Para extraer la fecha de una cadena en Python; el mejor módulo disponible es el módulo de buscador de fechas .

Puede usarlo en su proyecto de Python siguiendo los sencillos pasos que se indican a continuación.

Paso 1: Instale el paquete datefinder

pip install datefinder

Paso 2: Úselo en su proyecto

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'

nota: si espera una gran cantidad de coincidencias; entonces, el encasillado a la lista no será una forma recomendada, ya que tendrá una gran sobrecarga de rendimiento.

Con Pygrok, puede definir extensiones abstractas para la sintaxis de expresiones regulares.

Los patrones personalizados se pueden incluir en su expresión regular en el formato %{PATTERN_NAME}.

También puede crear una etiqueta para ese patrón, separando con dos puntos: %s{PATTERN_NAME:matched_string}. Si el patrón coincide, el valor se devolverá como parte del diccionario resultante (p. Ej.result.get('matched_string') . )

Por ejemplo:

from pygrok import Grok

input_string = 'monkey 2010-07-10 love banana'
date_pattern = '%{YEAR:year}-%{MONTHNUM:month}-%{MONTHDAY:day}'

grok = Grok(date_pattern)
print(grok.match(input_string))

El valor resultante será un diccionario:

{'month': '07', 'day': '10', 'year': '2010'}

Si date_pattern no existe en input_string, el valor de retorno será None. Por el contrario, si su patrón no tiene etiquetas, devolverá un diccionario vacío{}

Referencias:

• pygrok (Github)
• Definiciones preinstaladas de pygrok (Github)

También puede probar el módulo dateparser , que puede ser más lento que el datefinder en texto libre, pero que debería cubrir más casos y formatos de fecha potenciales, así como una cantidad significativa de idiomas.

Si conoce la posición del objeto de fecha en la cadena (por ejemplo, en un archivo de registro), puede usar .split () [índice] para extraer la fecha sin conocer completamente el formato.

Por ejemplo:

>>> string = 'monkey 2010-07-10 love banana'
>>> date = string.split()[1]
>>> date
'2010-07-10'