python - 日期分类

Question

我有一个 Excel 电子表格，正准备迁移到 Access，日期列包含多种格式的条目，例如:1963 年至 1969 年、1968 年 8 月至 1968 年 9 月、1972 年、3 月至 73 日、24 日至 7 月、 1980年10月2日、1980年8月29日、1946年7月等，并且“未注明日期”。我将作为键( map 编号)的列和日期列拉入 csv 并写回 csv。我可以去掉 4 位数的年份，但不能去掉范围。我很困惑如何提取需要手动重新格式化的天数和两位数年份。我的代码不是很优雅，可能不是最佳实践:

import csv, xlwt, re

# create new Excel document and add sheet
# from tempfile import TemporaryFile
from xlwt import Workbook
book = Workbook()
sheet1 = book.add_sheet('Sheet 1')

# populate first row with header
sheet1.write(0,0,"Year")
sheet1.write(0,1,"Map")
sheet1.write(0,2,"As Entered")

# count variable for populating sheet
rowCount=0

# open csv file and read
with open('C:\dateTestMSDOs.csv', 'rb') as f:
    reader=csv.reader(f)
    for row in reader:

        map = row[0]  # first row is map number
        dateRaw = row[1] # second row is raw date as entered

        # write undated and blank entries
        if dateRaw == 'undated':
            yearStr = '0000'
            rowCount +=1
            sheet1.write(rowCount, 0, yearStr)
            sheet1.write(rowCount, 1, map)
            sheet1.write(rowCount, 2, dateRaw)
            #print rowCount, yearStr, map, dateRaw, '\n'
            yearStr=''

        if dateRaw == '':
            yearStr = 'NoEntry'
            rowCount +=1
            sheet1.write(rowCount, 0, yearStr)
            sheet1.write(rowCount, 1, map)
            sheet1.write(rowCount, 2, dateRaw)
            #print rowCount, yearStr, map, dateRaw, '\n'
            yearStr=''

        # search and write instances of four consecutive digits
        try:
            year = re.search(r'\d\d\d\d', dateRaw)
            yearStr= year.group()
            #print yearStr, map, dateRaw
            rowCount +=1
            sheet1.write(rowCount, 0, yearStr)
            sheet1.write(rowCount, 1, map)
            sheet1.write(rowCount, 2, dateRaw)
            #print rowCount, yearStr, map, dateRaw, '\n'
            yearStr=''

        # if none exist flag for cleaning spreadsheet and print
        except:
            #print 'Nope', map, dateRaw
            rowCount +=1
            yearStr='Format'
            sheet1.write(rowCount, 0, yearStr)
            sheet1.write(rowCount, 1, map)
            sheet1.write(rowCount, 2, dateRaw)
            #print rowCount, yearStr, map, dateRaw, '\n'
            yearStr=''
yearStr=''
dateRaw=''

book.save('D:\dateProperty.xls')
print "Done!"

我想将日期和月份写入附加列，并提取范围条目的第二个 4 位数日期。

Answer 1

您可以尝试使用dateutil来实现此目的。我认为您仍然需要以不同的方式处理一些更困难的格式。请参阅下面的示例实现:

代码:

import dateutil.parser as dateparser

date_list = ['1963 to 1969', 
             'Aug. 1968 to Sept. 1968', 
             'Mar-73', 
             '24-Jul', 
             'Oct. 2 1980', 
             'Aug 29, 1980', 
             'July 1946', 
             'undated']          

for d in date_list:
    if 'to' in d:
        a, b = d.split('to')
        # Get the higher number. Use min to get lower of two.
        print max(dateparser.parse(a.strip()).year, dateparser.parse(b.strip()).year)
    elif d == 'undated':
        print '0000'
    else:
        yr = dateparser.parse(d).year
        print yr

结果:

1969
1968
1973
2014
1980
1980
1946
0000
[Finished in 0.4s]

我能看到的唯一明显的问题是 24-Jul 返回日期 2014 因为解析器假定当前的日、月或年来代替缺失的组件， IE。如果今天是本月 20 号，Mar-73 将变为 1973-03-20，等等。