为什么 dateparser 模块无法解析西班牙语的日期字符串，甚至将参数设置为西班牙语的语言或区域设置？答案

【问题标题】：Why dateparser module fails to parse date strings in Spanish even setting parameters as languages or locales in Spanish?为什么 dateparser 模块无法解析西班牙语的日期字符串，甚至将参数设置为西班牙语的语言或区域设置？
【发布时间】：2022-11-07 16:56:20
【问题描述】：

我正在尝试解析大量文件，其中的记录包括西班牙语日期，格式类似于“Ago 01, 2022”。对于这个任务，我使用来自dataparser 模块的函数parse。过去，我可以成功地将该函数用于类似目的，但现在即使我为 parse 函数设置语言或区域设置参数，它也会以西班牙语显示字符串失败。

我用这一行导入函数parse：

from dateparser import parse

如果我用英文日期调用该函数，它将成功运行，正如我所料：

parse('Aug 01, 2021', date_formats=['%b %d, %Y'] )

# Returns
datetime.datetime(2022, 8, 1, 0, 0)

如果我在没有任何其他参数的情况下使用西班牙语日期调用该函数，它将无法成功运行，正如我所期望的那样：

(八月西班牙语是阿戈斯托):

parse('Ago 01, 2021', date_formats=['%b %d, %Y'] )

# Raises an exception in regex that ends with:

~\anaconda3\lib\site-packages\regex\_regex_core.py in _compile_replacement(source, pattern, is_unicode)
   1735                 return False, [value]
   1736 
-> 1737         raise error("bad escape \\%s" % ch, source.string, source.pos)
   1738 
   1739     if isinstance(source.sep, bytes):

error: bad escape \d at position 7

我想这个错误与西班牙语的正则表达式模式有关，但我不能确定语言之外的问题是什么。

给parse 一个语言参数不会改变结果。

parse('Ago 01, 2021', date_formats=['%b %d, %Y'], languages=['es'])

# Raises the same exception that ends with:

~\anaconda3\lib\site-packages\regex\_regex_core.py in _compile_replacement(source, pattern, is_unicode)
   1735                 return False, [value]
   1736 
-> 1737         raise error("bad escape \\%s" % ch, source.string, source.pos)
   1738 
   1739     if isinstance(source.sep, bytes):

error: bad escape \d at position 7

如果我设置参数区域设置，会出现类似的情况。

parse('Ago 01, 2021', date_formats=['%b %d, %Y'], locales=['es'])

# Raises the same exception that ends with:

~\anaconda3\lib\site-packages\regex\_regex_core.py in _compile_replacement(source, pattern, is_unicode)
   1735                 return False, [value]
   1736 
-> 1737         raise error("bad escape \\%s" % ch, source.string, source.pos)
   1738 
   1739     if isinstance(source.sep, bytes):

error: bad escape \d at position 7

我不确定问题是否与模块的更新或更改有关，但我想提一下，当我第一次致电parse 时，我收到了此警告消息。

~\anaconda3\lib\site-packages\dateparser\utils\__init__.py:130: PytzUsageWarning: The localize
method is no longer necessary, as this time zone supports the fold attribute (PEP 495). 
For more details on migrating to a PEP 495-compliant implementation, see 
https://pytz-deprecation-shim.readthedocs.io/en/latest/migration.html
date_obj = tz.localize(date_obj)

为了寻找见解，我尝试使用位于此 URL https://dateparser-demo.netlify.app/ 中的 dateparser 的演示，在此 github 的存储库中引用 https://github.com/scrapinghub/dateparser 在 PyPi https://pypi.org/project/dateparser/ 中引用。但是，在这个演示中，我的西班牙语字符串被成功解析。我想我有一个旧版本的 dateparser，所以我检查了一下，我在 PyPi 中有最新版本。

我在一台装有西班牙文 Windows 10 的机器上使用python 3.7.3 和dateparser 1.1.1（目前是最新版本）。

【问题讨论】：

值得一提的是：我使用 Python 3.7.13 和 dateparser 1.1.1 在 macOS（英语）上运行了您的示例 1 和 3，没有出现错误。虽然我确实收到了PytzUsageWarning，但到目前为止这只是一个警告。结果日期是正确的。让我想知道 Windows 是否应该归咎于此。
PyPI 页面上的示例没有显示任何使用 date_formats 参数。由于错误提到了\b，并且格式中有%b，您可以尝试不使用：parse('Ago 01, 2021', languages=['es'])吗？
显然相关：github.com/scrapinghub/dateparser/issues/1052。似乎在 github.com/scrapinghub/dateparser/pull/1067 中建议了一个修复程序，但这还没有，而且还远远超过了 1.1.1 的发布。
鉴于 GitHub 问题中的 cmets，您可以尝试将 regex 模块降级几个（次要）版本。我不能告诉你到底是哪一个，因为内部版本与 PyPI 上的不匹配，所以虽然我的本地正则表达式版本不是最新的（并且工作正常），但我不知道它是哪个 PyPI 版本.

标签： python python-3.x datetime dateparser

【解决方案1】：

这已在最近的版本中得到修复。
dateparser 1.1.3
你能检查一下现在一切都按预期工作吗？

>>> parse('Ago 01, 2021', date_formats=['%b %d, %Y'] )
datetime.datetime(2021, 8, 1, 0, 0)
>>> parse('Ago 01, 2021', date_formats=['%b %d, %Y'], languages=['es'])
datetime.datetime(2021, 8, 1, 0, 0)
>>> parse('Ago 01, 2021', date_formats=['%b %d, %Y'], locales=['es'])
datetime.datetime(2021, 8, 1, 0, 0)

【讨论】：