Trích xuất ngày không nhất quán được định dạng từ chuỗi (phân tích ngày, NLP)

Question

Tôi có một danh sách lớn các tệp, một số tệp có ngày được nhúng trong tên tệp. Định dạng của các ngày không nhất quán và thường không đầy đủ, ví dụ: "Aug06", "Aug2006", "August 2006", "08-06", "01-08-06", "2006", "011004" vv Ngoài ra, một số tên tệp có số không liên quan trông hơi giống ngày, ví dụ "20202010".

Tóm lại, các ngày thường không đầy đủ, đôi khi không có, được định dạng không nhất quán và được nhúng trong một chuỗi với thông tin khác, ví dụ: "Báo cáo Aug06.xls".

Có bất kỳ mô-đun Perl nào có sẵn mà sẽ thực hiện công việc phong nha để đoán ngày từ chuỗi đó không? Nó không phải chính xác 100%, vì nó sẽ được xác minh bởi một người bằng tay, nhưng tôi đang cố gắng làm mọi thứ dễ dàng nhất có thể cho người đó và có hàng nghìn mục cần kiểm tra :)

Answer 1

Ngày :: Phân tích cú pháp chắc chắn sẽ là một phần của câu trả lời của bạn - bit hoạt động theo chuỗi ngày giống như được định dạng ngẫu nhiên và tạo ngày sử dụng thực tế.

Phần khác của vấn đề - phần còn lại của các ký tự trong tên tệp của bạn - đủ bất thường để bạn không thể tìm thấy người khác đã đóng gói mô-đun cho bạn.

Nếu không thấy nhiều dữ liệu mẫu hơn, bạn chỉ có thể đoán được, nhưng tôi sẽ bắt đầu bằng cách xác định các ứng cử viên có thể hoặc có thể là "phần ngày". Dưới đây là một ví dụ bạo lực khó chịu bằng cách sử dụng Date :: Parse (một cách tiếp cận thông minh hơn sẽ sử dụng một danh sách regex-en để thử và xác định ngày-bit - Tôi rất vui khi ghi chu kỳ CPU để không nghĩ khá khó khăn như vậy mặc dù!)

!/usr/bin/perl 
use strict; 
use warnings; 
use Date::Parse; 

my @files=("Report Aug06.xls", "ReportAug2006", "Report 11th September 2006.xls", 
      "Annual Report-08-06", "End-of-month Report01-08-06.xls", "Report2006"); 

# assumption - longest likely date string is something like '11th September 2006' - 19 chars 
# shortest is "2006" - 4 chars. 
# brute force all strings from 19-4 chars long at the end of the filename (less extension) 
# return the longest thing that Date::Parse recognises as a date 



foreach my $file (@files){ 
    #chop extension if there is one 
    $file=~s/\..*//; 
    for my $len (-19..-4){ 
    my $string = substr($file, $len); 
    my $time = str2time($string); 
    print "$string is a date: $time = ",scalar(localtime($time)),"\n" if $time; 
    last if $time; 
    } 
    } 

Answer 2

Date::Parse thực hiện những gì bạn muốn.

Answer 3

DateTime::Format::Natural trông giống như một ứng cử viên cho công việc này. Tôi không thể tự mình xác minh nhưng nó có số good reviews.