python自动提取文本中的时间(包含中文日期)

有时在处理不规则数据时需要提取文本包含的时间日期。

dateutil.parser模块可以统一日期字符串格式。

datefinder模块可以在字符串中提取日期。

datefinder模块实现也是用正则，功能很全 但是对中文不友好。

但是这两个模块都不能支持中文及一些特殊的情况；所以我用正则写了段代码可进行中文日期及一些特殊的时间识别

例如：

'2012年12月12日','3小时前','在2012/12/13哈哈','时间2012-12-11 12:22:30','日期2012-13-11','测试2013.12.24','今天12:13'

import re
import chardet
from datetime import datetime,timedelta

# 匹配正则表达式
matchs = {
 1:(r'\d{4}％s\d{1,2}％s\d{1,2}％s \d{1,2}％s\d{1,2}％s\d{1,2}％s','％％Y％s％％m％s％％d％s ％％H％s％％M％s％％S％s'),
 2:(r'\d{4}％s\d{1,2}％s\d{1,2}％s \d{1,2}％s\d{1,2}％s','％％Y％s％％m％s％％d％s ％％H％s％％M％s'),
 3:(r'\d{4}％s\d{1,2}％s\d{1,2}％s','％％Y％s％％m％s％％d％s'),
 4:(r'\d{2}％s\d{1,2}％s\d{1,2}％s','％％y％s％％m％s％％d％s'),

# 没有年份
 5:(r'\d{1,2}％s\d{1,2}％s \d{1,2}％s\d{1,2}％s\d{1,2}％s','％％m％s％％d％s ％％H％s％％M％s％％S％s'),
 6:(r'\d{1,2}％s\d{1,2}％s \d{1,2}％s\d{1,2}％s','％％m％s％％d％s ％％H％s％％M％s'),
 7:(r'\d{1,2}％s\d{1,2}％s','％％m％s％％d％s'),

# 没有年月日
 8:(r'\d{1,2}％s\d{1,2}％s\d{1,2}％s','％％H％s％％M％s％％S％s'),
 9:(r'\d{1,2}％s\d{1,2}％s','％％H％s％％M％s'),
}

# 正则中的％s分割
splits = [
 {1:[('年','月','日','点','分','秒'),('-','-','',':',':',''),('\/','\/','',':',':',''),('\.','\.','',':',':','')]},
 {2:[('年','月','日','点','分'),('-','-','',':',''),('\/','\/','',':',''),('\.','\.','',':','')]},
 {3:[('年','月','日'),('-','-',''),('\/','\/',''),('\.','\.','')]},
 {4:[('年','月','日'),('-','-',''),('\/','\/',''),('\.','\.','')]},

{5:[('月','日','点','分','秒'),('-','',':',':',''),('\/','',':',':',''),('\.','',':',':','')]},
 {6:[('月','日','点','分'),('-','',':',''),('\/','',':',''),('\.','',':','')]},
 {7:[('月','日'),('-',''),('\/',''),('\.','')]},

{8:[('点','分','秒'),(':',':','')]},
 {9:[('点','分'),(':','')]},
]

def func(parten,tp):
 re.search(parten,parten)

parten_other = '\d+天前|\d+分钟前|\d+小时前|\d+秒前'

class TimeFinder(object):

def __init__(self,base_date=None):
   self.base_date = base_date
   self.match_item = []

self.init_args()
   self.init_match_item()

def init_args(self):
   # 格式化基础时间
   if not self.base_date:
     self.base_date = datetime.now()
   if self.base_date and not isinstance(self.base_date,datetime):
     try:
       self.base_date = datetime.strptime(self.base_date,'％Y-％m-％d ％H:％M:％S')
     except Exception as e:
       raise 'type of base_date must be str of％Y-％m-％d ％H:％M:％S or datetime'

def init_match_item(self):
   # 构建穷举正则匹配公式 及提取的字符串转datetime格式映射
   for item in splits:
     for num,value in item.items():
       match = matchs[num]
       for sp in value:
         tmp = []
         for m in match:
           tmp.append(m％sp)
         self.match_item.append(tuple(tmp))

def get_time_other(self,text):
   m = re.search('\d+',text)
   if not m:
     return None
   num = int(m.group())
   if '天' in text:
     return self.base_date - timedelta(days=num)
   elif '小时' in text:
     return self.base_date - timedelta(hours=num)
   elif '分钟' in text:
     return self.base_date - timedelta(minutes=num)
   elif '秒' in text:
     return self.base_date - timedelta(seconds=num)

return None

def find_time(self,text):
    # 格式化text为str类型
   if isinstance(text,bytes):
     encoding =chardet.detect(text)['encoding']
     text = text.decode(encoding)

res = []
   parten = '|'.join([x[0] for x in self.match_item])

parten = parten+ '|' +parten_other
   match_list = re.findall(parten,text)
   if not match_list:
     return None
   for match in match_list:
     for item in self.match_item:
       try:
         date = datetime.strptime(match,item[1].replace('\\',''))
         if date.year==1900:
           date = date.replace(year=self.base_date.year)
           if date.month==1:
             date = date.replace(month=self.base_date.month)
             if date.day==1:
               date = date.replace(day=self.base_date.day)
         res.append(datetime.strftime(date,'％Y-％m-％d ％H:％M:％S'))
         break
       except Exception as e:
         date = self.get_time_other(match)
         if date:
           res.append(datetime.strftime(date,'％Y-％m-％d ％H:％M:％S'))
           break
   if not res:
     return None
   return res

def test():
 timefinder =TimeFinder(base_date='2020-04-23 00:00:00')
 for text in ['2012年12月12日','3小时前','在2012/12/13哈哈','时间2012-12-11 12:22:30','日期2012-13-11','测试2013.12.24','今天12:13']:
   res = timefinder.find_time(text)
   print('text----',text)
   print('res---',res)

if __name__ == '__main__':
 test()

测试运行结果如下

text---- 2012年12月12日
res--- ['2012-12-12 00:00:00']
text---- 3小时前
res--- ['2020-04-22 21:00:00']
text---- 在2012/12/13哈哈
res--- ['2012-12-13 00:00:00']
text---- 时间2012-12-11 12:22:30
res--- ['2012-12-11 12:22:30']
text---- 日期2012-13-11
res--- None
text---- 测试2013.12.24
res--- ['2013-12-24 00:00:00']
text---- 今天12:13
res--- ['2020-04-23 12:13:00']

来源：https://www.cnblogs.com/i-love-python/p/12763063.html