本文最后更新于 61 天前，其中的信息可能已经有所发展或是发生改变。
需求
- 给定一段文本，要求提取其中出现的所有合法日期；
- 将这些日期统一格式，从小到大排序并去重后，并返回一个列表。
思路
- 首先利用正则表达式，提取所有的日期：
- 可能出现的日期格式：
- xxxx.xx.xx
- xxxx-xx-xx
- xxxx年xx月xx日
- xxxx年xx月xx号
- 将所有提取到的日期转换成为 xxxx.xx.xx 的标准格式；
- 利用
datetime库判断日期是否合法，然后排序去重即可。
代码
from datetime import datetime
import re
def extractDates(text):
pattern = r"b(d{4})[年.-](d{1,2})[月.-]?(d{1,2})?[日号]?b"
dates = sorted(
[
f"{year}.{month.zfill(2)}.{day.zfill(2) if day else '01'}"
for year, month, day in re.findall(pattern, text)
if isValidDate(f"{year}.{month.zfill(2)}.{day.zfill(2) if day else '01'}")
],
key=lambda x: tuple(map(int, x.split('.')))
)
return dates
def isValidDate(dateStr):
try:
datetime.strptime(dateStr, "%Y.%m.%d")
return True
except ValueError:
return False
text = "2022.2.31, 2020.2.29-2022.3.1, 2023.10, 2023.1, 2023年7月5日, 2023年7月, 2023年7月5号, 2023-07-05, 2023-7-5"
dates = extractDates(text)
print(dates) # outputs: ['2020.02.29', '2022.03.01', '2023.01.01', '2023.07.01', '2023.07.05', '2023.07.05', '2023.07.05', '2023.07.05', '2023.10.01']
