如何从长字符串中仅获取日期字符串答案

【问题标题】：how to get only date string from a long string如何从长字符串中仅获取日期字符串
【发布时间】：2019-05-05 09:57:24
【问题描述】：

我知道有很多问答可以从字符串中提取日期时间，例如dateutil.parser，以从字符串中提取日期时间

import dateutil.parser as dparser
dparser.parse('something sep 28 2017 something',fuzzy=True).date()

output: datetime.date(2017, 9, 28)

但我的问题是如何知道字符串的哪一部分导致此提取，例如我想要一个函数，它也返回“2017 年 9 月 28 日”

datetime, datetime_str = get_date_str('something sep 28 2017 something')
outputs: datetime.date(2017, 9, 28), 'sep 28 2017'

我可以搜索的任何线索或任何方向？

【问题讨论】：

您可以使用strftime将日期时间对象转换为字符串（stackoverflow.com/questions/2158347/…）
不幸的是，我认为这并不是一件特别简单的事情。 dateutil 找到的字符串不能保证是连续的，因此“它发生在 1947 年 9 月 29 日大约 8:45”将返回 1947-09-29 08:45。也就是说，fuzzy_with_tokens 是一个很好的起点。它为您提供了与您想要的相反的结果。
@Paul 谢谢，我也在考虑fuzzy_with_tokens，它列出了许多要排除的标记，但它包含空格('something ', ' ', 'something')，这使它有点具有挑战性。我将尝试挖掘一种方法并稍后在这个方向上发布我的解决方案
@SruthiV 谢谢，但我正在寻找原始字符串而不是将日期时间转换为字符串，日期时间包通过 append.strftime("%Y-%m-%d") 为这种转换提供了更简单的解决方案

标签： python-3.x datetime parsing python-dateutil

【解决方案1】：

有趣的问题！没有直接的方法可以使用dateutil 将解析出的日期字符串从较大的字符串中取出。问题是dateutil 解析器甚至没有此字符串可用作中间结果，因为它真正构建了未来datetime 对象的一部分，并且逐个字符（source）。

不过，它也会收集跳过的令牌列表，这可能是您最好的选择。由于这个列表是有序的，你可以遍历标记并替换第一次出现的标记：

from dateutil import parser


s = 'something sep 28 2017 something'
parsed_datetime, tokens = parser.parse(s, fuzzy_with_tokens=True)

for token in tokens:
    s = s.replace(token.lstrip(), "", 1)

print(s)  # prints "sep 28 2017"

虽然我不是 100% 确定这是否适用于所有可能的情况，尤其是使用不同的空白字符（请注意我必须如何使用 .lstrip() 解决问题）。

【讨论】：

【解决方案2】：

扩展与@Paul 的讨论，并遵循@alecxe 的解决方案，我提出了以下解决方案，它适用于许多测试用例，我使问题成为轻微的挑战者：

第 1 步：获取排除的令牌

import dateutil.parser as dparser

ostr = 'something sep 28 2017 something abcd'
_, excl_str = dparser.parse(ostr,fuzzy_with_tokens=True)

给出以下输出：

excl_str:     ('something ', ' ', 'something abcd')

第 2 步：按长度排列标记

excl_str = list(excl_str)
excl_str.sort(reverse=True,key = len)

给出一个排序的令牌列表：

excl_str:   ['something abcd', 'something ', ' ']

第 3 步：删除标记并忽略空格元素

for i in excl_str:
    if i != ' ':
        ostr = ostr.replace(i,'') 
return ostr

给出最终输出

ostr:    'sep 28 2017 '

注意： 步骤 2 是必需的，因为如果任何较短的令牌是较长令牌的子集，则会导致问题。例如，在这种情况下，如果删除遵循('something ', ' ', 'something abcd') 的顺序，则替换过程将从something abcd 中删除something，并且abcd 将永远不会被删除，以'sep 28 2017 abcd' 结束

【讨论】：