Regex A「；“聪明的”；（原谅）日期分析器？

我必须将一个非常大的数据集从一个系统迁移到另一个系统。其中一个“源”列包含一个日期，但实际上是一个没有约束的字符串，而目标系统要求使用yyyy-mm-dd格式的日期

许多（但不是全部）源日期的格式为yyyymmdd。因此，为了将它们强制转换为预期的格式，我（在Perl中）：

当源日期从“通用”yyyymmdd移走时，就会出现问题。我们的目标是在放弃之前尽可能多地保留日期。示例源字符串包括：

1998年3月21日， 2004年3月， 2001, 1997年3月4日

我可以尝试用一系列正则表达式来匹配我能找到的尽可能多的例子，比如上面的一个

但是有更聪明的办法吗？我不是在重新发明轮子吗？有没有图书馆在做类似的事情？我在谷歌搜索“原谅日期解析器”时找不到任何相关信息。（任何语言都可以）。

您正在寻找该模块吗？

是您的朋友，因为is四分之一失败，因为它采用US格式，使用Date_Init可以从四分之四中获得四分之四

如果您有不同的格式（例如，前一个月的日期和后一个月的日期），您必须以不同的方式解析它们，一次使用美国日期格式，另一次使用非美国日期格式。这在模棱两可的情况下尤其重要，比如你的3/4/97示例，因为如果是21/3，它就会失败，你可以判断格式是错误的

vinko@mithril:~$ more date.pl
use strict;
use warnings;
use Date::Manip;

my @a;
push @a, "March 2004";
push @a, "2001";
push @a, "3/4/97";
push @a, "21/3/1998";
Date_Init("DateFormat=non-US");
for my $d (@a) {
    print "$d\n";
    print ParseDate($d)."\n";
};
vinko@mithril:~$ perl date.pl
March 2004
2004030100:00:00
2001
2001010100:00:00
3/4/97
1997040300:00:00
21/3/1998
1998032100:00:00

---

你也可以看看

根据它的描述，它正是你喜欢的：

如果你曾经使用过一个程序 这让你输入了一个日期 一定的方式和思想“为什么 计算机只是计算出我的日期 “需要吗？”，本模块为您提供

DateTime:：Format:：灵活地尝试 取你给它的任何字符串并进行解析 将其转换为DateTime对象

---

我刚才用这个模块运行了一个版本的Vinko脚本，得到了类似的结果。除最后一例（1998年3月21日）外，一切正常。与

Date:：Manip

一样，通过显式设置参数（

european=>1

），您可以相对轻松地处理此问题。Danbystrom的评论说明了为什么这样的情况需要人为的监督。

它不是perl，但会解析大量的日期/时间字符串。

我最终提取了一个测试集，其中包含200多个实际发生在数据集中的日期示例。有些人行为稍有不端，少数人完全生病（例如“01010”）

我尝试了所有现有的Perl模块，但成功率太低。我最终投身于一项对我的方向盘进行重新改造的工作，取得了98%以上的成功率

我的算法是一系列越来越模糊的识别器，从严格有效的日期到总猜测范围。第一个返回“成功”结果的人获胜。在那个堆栈的中间，我有一个“主”识别器，它做这样的事情：

• 解析字符串中任意位置的数字集。法语和英语的“月名”也被认可

• 对于每一个，我都把它们放在三个桶里：一年的候选人，一个月的候选人，一天的候选人。例如，“13”将在“可能年”桶中，在“可能日”桶中。当然，“二月”只会在“月份”的桶里。在每个bucket中，值都被标记为“合理性级别”，这是一个取决于许多事情的任意数字。例如，2010年比10年更合理

• 看看这三个桶中的每一个。如果其中任何一个只包含一项，则为该存储桶的值。它也从其他桶中移除

• 按顺序（年、月、日）在各自的存储桶中查找剩余的缺失值，取一个具有最高合理性的值。在平局的情况下，以字符串中最后出现的一个为例（实际上，那些具有稍高的合理性）。这条规则在2010年3月7日被打破，因为我需要在法国。如果情况适用，则从其他存储桶中删除该值

• 如果缺少任何值，请使用默认值（例如，我使用8191作为默认年份，即目标系统中允许的最大值）

---

整个过程都是非常好的启发，但符合我的要求，即垃圾比信息丢失要好

1997年3月4日-是3月4日还是4月3日？取决于您所在的地区。在美国，那是三月四日。在美国以外的地方，可能是4月3日。我想大多数日期工具都会有一种方式来设置默认选项，以处理类似3/4/97这样的情况。快速浏览一下，下面列出的Perl模块中至少有两个有这样的选项。我不知道Perl，但至少在C#中，标准DateTime.TryParse（）可以接受相当不同的日期格式。你应该注意那些它不接受的，并对它们进行特殊处理。在这种情况下，可能整行需要手动处理。说明：“DateTime:：Format:：Flexible-主要是DateTime:：Format:：Natural的一个子集，不推荐使用。请改用DateTime:：Format:：Natural（并在需要时提交补丁以改进其解析；）”我看到了这一点，但我也在模块自己的页面上看到了这一点：“截至2008年3月的DateTime网站将此模块列在“混淆”下，并建议使用DateTime:：Format:：Natural。不幸的是，我不同意。DateTime:：Format:：Natural目前在2000多次解析测试中失败。DateTime:：Format:：Flexible支持与DateTime:：Format:：Natural不同类型的日期/时间字符串。我认为两者都有实用性。”既然OP要求“宽恕”，我认为这值得一看。

vinko@mithril:~$ more date.pl
use strict;
use warnings;
use Date::Manip;

my @a;
push @a, "March 2004";
push @a, "2001";
push @a, "3/4/97";
push @a, "21/3/1998";
Date_Init("DateFormat=non-US");
for my $d (@a) {
    print "$d\n";
    print ParseDate($d)."\n";
};
vinko@mithril:~$ perl date.pl
March 2004
2004030100:00:00
2001
2001010100:00:00
3/4/97
1997040300:00:00
21/3/1998
1998032100:00:00