gggdtparser

通用时间解析器(General General General DateTime Parser) ，是基于Python编写的字符串时间抽取解析工具,经过了众多测试用例进行测试，具有通用、高效、准确的解析能力。

项目背景

1. 在日常开发中，特别是爬虫采集时，来自各种语言、各种格式、语义化话的字符串时间，对其解析非常复杂繁琐。
2. 通用的字符串解析需要考虑的情况很多，既要尽可能多地满足各类字符串时间格式，还需对解析出的结果的准确有很高要求。
3. Python中各类解析库，在解析前的要求很高，只能解析无噪声的字符串时间，极为不方便。

项目原理

1. 采用正则的方式完成对时间的抽取，进一步对抽取到的时间进行解析，即抽取和解析一体，用户给与的时间文本可以有很多非时间内容，使得解析更加便捷。
2. 对语义话时间进行计算，对其他语言进行支持。
3. 使用正则规则，后续增加特殊时间格式较为方便。

项目特色

1. 模糊抽取解析
2. 解析速度快
3. 支持自定义解析规则

使用方法

安装

pip install gggdtparser

使用

import gggdtparser
parse_dt = gggdtparser.parse("发布：2022/02/02 02:02:02，来源：xxx网")
print(parse_dt)  # 2022-02-02 02:02:02

测试

import datetime
import gggdtparser
parse_dt = gggdtparser.parse("发布：2022/02/02 02:02:02，来源：xxx网")
is_right = gggdtparser.check(parse_dt, datetime.datetime(year=2022, month=2, day=2, hour=2, minute=2, second=2))
print(is_right)  # True

使用案例

详细案例

1. 参考dtformat.md中支持的格式。
2. 参考test.py中的测试案例。

特色案例

1. 语义时间的支持

   il y a 26 minutes
   il y a 1 heure
   Publié aujourd’hui à 10h34, modifié à 10h39
   23分鐘前
   ......      

2. 允许噪音

   发布于：2023/2/20
   Hoje Macau - 4 Abr 2023 
   2023年04月10日 07:46　来源：新闻网
   ......

3. 支持多种语言

   31 март 2023  # 俄语
   31 de marzo de 2023  # 西班牙语
   27 Fev 2023  # 卡拜尔语
   ......

4. 指定formats解析

import gggdtparser

dt = gggdtparser.parse("2023-02-20", format_list=["%Y-%m-%d"])
print(dt)

5. 指定正则解析

正则使用有名分组形式，对应关系如下：

| 关键词 | 含义 | 示例 | |:---:|:-----------:|:------------------------:| | Y | 年 | (?P<Y>\d{4})年 | | m | 月 | (?P<m >\d{1,2})月 | | d | 日 | (?P<d>\d{1,2})日 | | H | 时 | (?P<H>\d{1,2})时 | | M | 分 | (?P<M>\d{1,2})分 | | S | 秒 | (?P<S>\d{1,2})秒 | | bY | 在...年前 | (?P<bY>\d+)\s*(年)\s*(前) | | bm | 在...月前 | (?P<bm>\d+)\s*(月)\s*(前) | | bd | 在...日前 | (?P<bd>\d+)\s*(天)\s*(前) | | bH | 在...时前 | (?P<bH>\d+)\s*(小时)\s*(前) | | bM | 在...分前 | (?P<bM>\d+)\s*(分钟)\s*(前) | | bS | 在...秒前 | (?P<bS>\d+)\s*(秒)\s*(前) | | ba | 在...星期前 | (?P<ba>\d+)\s*(周)\s*(前) | | wY | 在...年内 | (?P<wY>\d+)\s*(年)\s*(内) | | wm | 在...月内 | (?P<wm>\d+)\s*(月)\s*(内) | | wd | 在...日内 | (?P<wd>\d+)\s*(天)\s*(内) | | wH | 在...时内 | (?P<wH>\d+)\s*(小时)\s*(内) | | wM | 在...分内 | (?P<wM>\d+)\s*(分钟)\s*(内) | | wS | 在...秒内 | (?P<wS>\d+)\s*(秒)\s*(内) | | wa | 在...星期内 | (?P<wa>\d+)\s*(周)\s*(内) | | aY | 在...年后 | (?P<wY>\d+)\s*(年)\s*(后) | | am | 在...月后 | (?P<wm>\d+)\s*(月)\s*(后) | | ad | 在...日后 | (?P<wd>\d+)\s*(天)\s*(后) | | aH | 在...时后 | (?P<wH>\d+)\s*(小时)\s*(后) | | aM | 在...分后 | (?P<wM>\d+)\s*(分钟)\s*(后) | | aS | 在...秒后 | (?P<wS>\d+)\s*(秒)\s*(后) | | aa | 在...星期后 | (?P<wa>\d+)\s*(周)\s*(后) | | sd | 今天/昨天/前天/刚刚 | (?P<sd>前天) | | apm | 上午下午 | (?P<apm>am) |

示例如下：

import gggdtparser

dt = gggdtparser.parse("2023-02-20",
                       regex_list=[r"(?P<Y>\d{4})(?P<m>\d{2})(?P<d>\d{2})"])
print(dt)

6. 自定义翻译

import gggdtparser


def translate(s):
    # 翻译
    return ""


dt = gggdtparser.parse("xxx", translate_func=translate)
print(dt)

7. 时间范围解析

import datetime
from gggdtparser import parse_frame

print(parse_frame('2022年10月1日至2023年10月1日'))
print(parse_frame('10个月', regex_list=[None, ('(?P<am>\d+)\s*(个)?月',)], base_datetime=datetime.datetime(year=2023, month=1, day=1)))

待完善

1. 兼容更多语言
2. 对时区的解析

关于作者

1. 邮箱：1194542196@qq.com
2. 目前对常见的时间格式解析支持比较全，但是一些特殊的时间格式和其他语言的支持不够完善，如果遇到解析bug 或不能解析的时间格式，可以私信作者，你们的提供越多，本库才能更完善。