啓發式（模糊）從字符串中提取日期？

Question

我有一個問題啓發式解析一個包含日期，但在一個相當任意（未知）格式的文本字符串。

function parseDateStr($text) { 
    $cleanText = filter($text); 
    # ... 
    $day = findDay($cleanText); 
    $month = findMonth($cleanText); 
    $year = findYear($cleanText); 
    # .. assert constraints, parse again or fail 
    return sprintf('%04d-%02d-%02d', $year, $month, $day) 
} 

輸入文本是英語語言加上任意語法符號（如\ W RegExp類的子集）的句子。該算法的任務是僅在過濾掉與日期無關的任何可能的垃圾（嘈雜）字詞後才提取日期。允許該算法失敗並返回任何結果。如果在字符串中只找到兩個連接的數字（MM）和四個其他數字（YYYY）的兩個組合 - 假定兩個數字對應於日期的月份，並且日期取爲01（第一天這個月）。結果以「YYYY-MM-DD」（SQL）格式（DATE類型）給出日期。

我的想法是繼續設計一系列使用preg_replace & co。此外，對$ year，$ day的範圍使用邏輯約束，對$ month等使用詞彙表，但如果類似但更優雅的解決方案或方法是可想或已存在的，我不會感到驚訝。如果是這樣，請讓我知道他們。我也希望能夠指出任何批評者或潛在的陷阱。

關係到類似的問題：

請注意，這個問題是從更基本的日期解析問題不同：

• PHP Parse Date String
• How to parse any date format

，因爲在我的我無法指定或確定字符串的格式。在另一方面以下幾個問題談類似的任務：

• Extracting date from a string in Python
• Extract multiple date format from few string variables in php
• Extracting date from a string in PHP

我不知道如果最後一個是重複的，它不是最終明確對我想要解析的OP（儘管檢查日期和date_parse似乎部分有用）。但在整個「mokey企業」的第一個問題也是我的情況屬實，並已被模糊解析爲

dparser.parse("monkey 2010-07-10 love banana",fuzzy=True) 

最後解決，第二個包含大抓正則表達式（幾乎是「模糊」） 。

PS by elegant我明白代碼非常緊湊（對性能沒有明顯的限制，所以使用「hacky」正則表達式可以）。

Answer 1

timelib

好，date_parse正在執行非常非常好，這是很有教育意義的學習爲什麼。 PHP函數date_parse是ext/date/lib或timelib，顯然的一部分（儘管缺少適當的文件）其C實現（由德里克Rethans的書面和從聲明的Zend引擎宏一部分調用）使它成爲一個聰明的工具：

1. date_parse已經模糊：有很多的警告（和抱怨），其功能容忍和分析太多，但顯然它實際上是一個功能，而不是錯誤的文檔頁面上（否則應該使用date_parse_from_format或相應的日期時間:: createFromFormat（））
2. date_parse使用（很多）在相對智能的方式正則表達式（基於re2c）
3. 除了過濾這種「掃描儀」尋找所有可能的單詞和日期格式的組合（來自已知月份和時區的列表），最後，通過分別查找「YYYY」，「MM」和「DD」（與我需要做的非常相似）來進行「盲目」猜測。
4. date_parse是一個真正的編譯「掃描儀」，帶有先行邏輯和錯誤報告，可以由用戶進一步處理（無例外，只是嵌套數組結果中的消息）。
5. 甚至有一個python package包裝timelib的C代碼（所以我甚至不知道這是「解析猴子生意」 timelib或蟒蛇，dateutil在最終更好）

測試和例子

從我個人而言，我並沒有發現從我的數據集不是由date_parse解析，即任何輸入例如：

echo FuzzyDateParser::fromText('banana 1/2/3'); 
echo FuzzyDateParser::fromText('Joe Soap was born on 12 February 1981')); 
echo FuzzyDateParser::fromText('2005 Feb., reprint')); 
echo FuzzyDateParser::fromText('!'); # will fail to parse, producing an empty string. 
echo FuzzyDateParser::fromText('monkey 2010-07-10 loves bananas and php'); 

FuzzyDateParser類的代碼可以在gist中找到。它可以作爲一個模板來處理錯誤，並實現從自定義邏輯（我最終不需要爲我的情況做）爲結果的date_parse回退。