在 Haskell 中解析多种日期格式

Question

我正在尝试使用 Haskell 来处理一些我希望分析的数据。这些数据大多是结构化的，但不一致。日期可能有多种表示形式，但总是出现在同一个地方（文档是 XML）。

到目前为止我看到的不同格式是：

“1971 年 2 月 25 日”

“星期四。1972 年 6 月 22 日。”

“1973 年 7 月 3 日。”

“1974 年 10 月 17 日，星期四 \r\n。”

“1976 年 3 月 5 日，星期五。”

“1977 年 4 月 25 日 \r\n。”

“1983 年 12 月 6 日，星期二”

“1988 年 5 月 10 日”

“1988 年 10 月 20 日”

我真的不知道从哪里开始 - 我可以处理任何单独的格式，但我不确定如何处理所有这些格式。我想要一个函数 String -> Maybe Day。

Answer 1

有几个用于解析日期的 hackage 库：

• Data.Dates 中的parseDate 函数。

• Data.Time.Format 中的parseTime 函数。

然后您可以将几个这样的解析器链接在一起。这是一个手动“替代”运算符：

    -- Chain operator: if p1 returns Nothing, then return p2
    p1 <||> p2 = case p1 of
                   Nothing -> p2
                   Just r -> Just r

所以你会为每种格式编写一个解析函数：

    p1 :: String -> Maybe Day

然后像这样组合这些：

    parseDate :: String -> Maybe Day
    parseDate = p1 <||> p2 <||> p3

如果您编写了适当的解析器，您可以从Control.Applicative 免费获得这个替代运算符 (<|>)。这是关于编写自己的解析器的tutorial。

我还建议通过消除标点符号甚至“rd”格式来预处理原始文本，以使其更加健壮并减少您必须编写的解析函数的数量。如果您需要更好的性能，也可以考虑使用Data.Text。

Answer 2

首先要一次解决每个问题，并将自己限制在其中一个解析器上。 首先为此解析器编写一些测试。

Haskell 中的解析与其他语言中的解析完全不同，通常使用正则表达式或其他方式。在 haskell 中，我们有提供解析器组合的优秀库。我使用的是parsec和attoparsec。

• 为每个创建数据类型或使用现有的time-package。

• 为每个月编写一个解析器（Jan 或Feb..），然后将它们组合起来。 但请注意 March 和 May 都以相同的字母开头 您需要的不仅仅是简单的组合。 January、June 和 July 也是如此

• 再次对简单解析器进行一些测试非常有帮助（针对正例和负例）
• 为每一天（第 1 天或第 2 天或第 3 天或第 n 天）编写一个解析器
• 再次组合它们时要小心 - 11th 和 12th 都以 '1' 开头
• 多年编写解析器

现在您应该拥有Parser Day、Parser Month 和Parser Year，甚至可能是Parser Weekday。

• 将这些解析器组合成您限制自己的解析器以获得Parser Day
• 现在您手头应该有足够的实用程序来自己实现其余部分

最后一点，有很多parsec/attoparsec 的教程，只需使用您最不信任的搜索引擎即可。