如何从段落中提取日期字符串“2019 年 3 月 11 日•凌晨 3:26”并在 python 中将其转换为日期时间格式（dd/mm/yy）

Question

我有一个段落，其中包含我需要提取并制作单独列的日期和 cmets 等详细信息。该段落位于我从中提取日期的列中，如下所示：

'Story\nFAQ\nUpdates 2\nComments 35\nby Antaio Inc\n2019 年 3 月 11 日 • 凌晨 3:26\n2 年前\n感谢大家的精彩开始！\n大家好，\n我们只想感谢你们一切都是为了一个很棒的开始！这是我们有史以来的第一次 Indiegogo 活动，我们非常感谢您的支持帮助我们取得了成功的活动。\n在接下来的一段时间内，我们将致力于生产和运输令人敬畏的 A-Buds 和 A-Buds东南。我们计划在下个月按照承诺将它们运送给您。\n随着关键生产日期的临近，我们将发送更多更新。\n敬请期待！\n最好的问候，\nAntaio 团队\n来自 Antaio Inc\n2019 年 1 月 31 日• 凌晨 5:15\n 超过 2 年前\n生产前更新\n亲爱的，\n我们想借此机会感谢大家成为我们的早期支持者。你们好棒！ :)\n您可能已经注意到，A-Buds 已经处于生产阶段，这意味着我们已经完成了所有的开发和测试，现在正在进行预生产。活动结束后，您不仅会收到经过全面测试和认证的真棒 A-Bud，我们还承诺按时交付它们！我们真的很高兴能将这些真棒真正的蓝牙 5.0 耳塞放在您的手中。我们相信你会喜欢它们！\n所以这里是一个快速的偷看：\n更多。敬请关注！ :)\n来自：Antaio 团队\n阅读更多'

这种段落存在于数据集的每一行中名为“Project_Updates_Description”的特定列中。我正在尝试提取每个条目中的第一个日期

我目前使用的代码是：

for i in df['Project_Updates_Description']:
if type(i) == str: 
    print(count)
    word = i.split('\n',7)
    count+=1
    if len(word) > 5:
        print(word[5])
        df['Date'] = word[5]

我现在遇到的问题是，当我从段落中提取日期时，我将它作为字符串获取，我需要它作为 dd/mm/yyyy 格式我尝试了 strptime 之类的方法它不起作用它正在附加作为字符串，当我尝试将其附加到新的“日期”列中时，我不断获得所有条目的相同日期。有人能告诉我我错了吗？

Answer 1

假设您有一个数据框，其中包含一个名为“Project_Updates_Description”的列，其中包含示例文本，并且您希望从该信息中提取第一个日期并生成日期时间戳，您可以执行以下操作：

import pandas as pd
import numpy as np
def findDate(txin):
    schptrn = '^\w+ \d{1,2}, \d{4,4}'
    lines = txin.split('\n')
    for line in lines:
        #print(line)
        data = re.findall(schptrn, line)[0]
        if data:
            #print(data)
            return pd.to_datetime(data)
    return np.nan  
df['date'] = df.apply(lambda row: findDate(row['Project_Updates_Description']), axis = 1)