Question

作为输入，我有几个包含日期格式的字符串，例如

“彼得在 16:45 喝茶”
“我的生日是 1990年7月8日”
“在 7月11日星期六，我会回家”

我使用dateutil.parser.parse来识别字符串中的日期。
在下一步中，我想从字符串中删除日期。结果应该是

“彼得在”喝茶
“我的生日在”
“我要回家了”

有没有简单的方法可以实现这一目标？

Answer 1

如果您定义了一个将字符串作为日期或不作为日期进行验证的函数，我们可以单行执行

primary_key = null

Answer 2

您可以对dateutil.parser.parse使用fuzzy_with_tokens选项：

from dateutil.parser import parse

dtstrs = [
    "Peter drinks tea at 16:45",
    "My birthday is on 08-07-1990",
    "On Sat 11 July I'll be back home",
    ]

out = [
    parse(dtstr, fuzzy_with_tokens=True)
    for dtstr in dtstrs
]

结果：

[(datetime.datetime(2018, 7, 17, 16, 45), ('Peter drinks tea at ',)),
 (datetime.datetime(1990, 8, 7, 0, 0), ('My birthday is on ',)),
 (datetime.datetime(2018, 7, 11, 0, 0), ('On ', ' ', " I'll be back home"))]

当fuzzy_with_tokens为true时，解析器返回一个datetime的元组和一个被忽略的标记的元组（已使用的标记已删除）。您可以将它们重新连接成这样的字符串：

>>> ['<missing>'.join(x[1]) for x in out]
['Peter drinks tea at ',
 'My birthday is on ',
 "On <missing> <missing> I'll be back home"]

我将注意到模糊解析逻辑并不是非常可靠，因为很难从字符串中仅选择有效组件并使用它们。例如，如果您将喝茶的人更改为名为April的人，

>>> dt, tokens = parse("April drinks tea at 16:45", fuzzy_with_tokens=True)
>>> print(dt)
2018-04-17 16:45:00
>>> print('<missing>'.join(tokens))
 drinks tea at

因此，我强烈建议您使用这种方法（尽管我不能真正推荐一种更好的方法，但这只是一个难题）。

Answer 3

您可以使用re.findall（）方法查找日期，然后将其与字符串分开。我认为下面的链接中的代码可以解决您的问题。

https://stackoverflow.com/a/2770062/9721027

Answer 4

def remove_dates(sentence):
"""remove the dates like Mar 30  2013"""
sentence = re.sub('(Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)\s\d{2}\s\d{4}', ' ', sentence)
return sentence

测试：

remove_dates(' good Mar 30 2013 day')

“美好的一天”

从字符串中删除识别的日期

4 个答案: