检查字符串是否包含日期，任何格式

问题描述：

如何检查字符串是否可以解析为日期？

• 1990 年 1 月 19 日

• 1990 年 1 月 19 日

• 1990年1月19日

• 1990 年 1 月 19 日

• 1990 年 1 月 19 日

• 1990

• 1990 年 1 月

• 1990年1月

这些都是有效日期。如果担心第 3 项和上面最后一项之间的空格不足，可以通过在字母/字符和数字之间自动插入空格（如果需要）轻松解决。

首先，我们来了解一下基础知识：

我尝试将其放入if statement：

if datetime.strptime(item, '%Y') or datetime.strptime(item, '%b %d %y') or datetime.strptime(item, '%b %d %Y')  or datetime.strptime(item, '%B %d %y') or datetime.strptime(item, '%B %d %Y'):

但这是在 try-except 块中，并且一直返回如下内容：

16343 time data 'JUNE1890' does not match format '%Y'

除非，它满足声明中的第一个条件if。

需要澄清的是，我实际上并不需要日期的值 - 我只是想知道它是否是。理想情况下，它应该是这样的：

if item is date:
    print date
else:
    print "Not a date"

有什么办法可以做到这一点？

解决方案 1：

该parse函数dateutils.parser能够将多种日期字符串格式解析为datetime对象。

pip install python-dateutil

如果您只是想知道某个字符串是否可以表示或包含有效日期，可以尝试以下简单函数：

from dateutil.parser import parse

def is_date(string, fuzzy=False):
    """
    Return whether the string can be interpreted as a date.

    :param string: str, string to check for date
    :param fuzzy: bool, ignore unknown tokens in string if True
    """
    try: 
        parse(string, fuzzy=fuzzy)
        return True

    except ValueError:
        return False

然后你有：

>>> is_date("1990-12-1")
True
>>> is_date("2005/3")
True
>>> is_date("Jan 19, 1990")
True
>>> is_date("today is 2019-03-27")
False
>>> is_date("today is 2019-03-27", fuzzy=True)
True
>>> is_date("Monday at 12:01am")
True
>>> is_date("xyz_not_a_date")
False
>>> is_date("yesterday")
False

自定义解析

parse可能会将某些字符串识别为日期，但您并不想将其视为日期。例如：

• 解析"12"并将"1999"返回一个日期时间对象，该对象表示当前日期，其中日期和年份替换字符串中的数字

• "23, 4"并将"23 4"被解析为datetime.datetime(2023, 4, 16, 0, 0)。

• "Friday"将返回未来最近星期五的日期。

• 同样"August"对应于当前日期，但月份更改为八月。

并且parse不具备语言环境意识，因此无法识别除英语之外的其他语言中的月份或星期几。

这两个问题都可以通过使用自定义类来在一定程度上解决parserinfo，该类定义了如何识别月份和日期名称：

from dateutil.parser import parserinfo
                                                
class CustomParserInfo(parserinfo):

    # three months in Spanish for illustration
    MONTHS = [("Enero", "Enero"), ("Feb", "Febrero"), ("Marzo", "Marzo")]

然后可以使用此类的实例parse：

>>> parse("Enero 1990")
# ValueError: Unknown string format
>>> parse("Enero 1990", parserinfo=CustomParserInfo())
datetime.datetime(1990, 1, 27, 0, 0)

解决方案 2：

如果您想解析这些特定格式，您只需匹配格式列表即可：

txt='''\nJan 19, 1990
January 19, 1990
Jan 19,1990
01/19/1990
01/19/90
1990
Jan 1990
January1990'''

import datetime as dt

fmts = ('%Y','%b %d, %Y','%b %d, %Y','%B %d, %Y','%B %d %Y','%m/%d/%Y','%m/%d/%y','%b %Y','%B%Y','%b %d,%Y')

parsed=[]
for e in txt.splitlines():
    for fmt in fmts:
        try:
           t = dt.datetime.strptime(e, fmt)
           parsed.append((e, fmt, t)) 
           break
        except ValueError as err:
           pass

# check that all the cases are handled        
success={t[0] for t in parsed}
for e in txt.splitlines():
    if e not in success:
        print e    

for t in parsed:
    print '"{:20}" => "{:20}" => {}'.format(*t) 

印刷：

"Jan 19, 1990        " => "%b %d, %Y           " => 1990-01-19 00:00:00
"January 19, 1990    " => "%B %d, %Y           " => 1990-01-19 00:00:00
"Jan 19,1990         " => "%b %d,%Y            " => 1990-01-19 00:00:00
"01/19/1990          " => "%m/%d/%Y            " => 1990-01-19 00:00:00
"01/19/90            " => "%m/%d/%y            " => 1990-01-19 00:00:00
"1990                " => "%Y                  " => 1990-01-01 00:00:00
"Jan 1990            " => "%b %Y               " => 1990-01-01 00:00:00
"January1990         " => "%B%Y                " => 1990-01-01 00:00:00

解决方案 3：

流行的 Python 库pandas中有一个内置函数，可以相当一致地解析日期。如果其参数为errors='coerce'，它也可以返回非日期字符串的 NaN。

txt='''\nJan 19, 1990
January 19, 1990
Jan 19,1990
01/19/1990
01/19/90
1990
Jan 1990
January1990
19 Jan 1990
this is not date'''

for s in txt.split('
'):
    dt = pd.to_datetime(s.replace(',', ' '), errors='coerce')
    print(dt, dt == dt)
    
# 1990-01-19 00:00:00 True
# 1990-01-19 00:00:00 True
# 1990-01-19 00:00:00 True
# 1990-01-19 00:00:00 True
# 1990-01-19 00:00:00 True
# 1990-01-01 00:00:00 True
# 1990-01-01 00:00:00 True
# 1990-01-01 00:00:00 True
# 1990-01-19 00:00:00 True
# NaT False

它的优点在于pd.to_datetime它是矢量化的，因此可以将整个列表传递给它。

converted = pd.to_datetime(txt.split('
'), errors='coerce')

要返回布尔系列，请notna()调用结果。

converted.notna()