用python将书面日期格式转换为日期格式

Question

我正在使用Python2.7。

我有一个Adobe表单文档，其中有一个日期字段。我使用pdfminer函数提取值。我需要解决的问题是，Acrobat阅读器中的用户可以输入字符串，如april 3rd 2017或3rd April 2017、Apr 3rd 2017或04/04/2017以及4 3 2017。现在Adobe中的date字段设置为mm/dd/yyyy格式，因此当用户输入上面的值之一，即pdfminer所提取的实际值时，adobe将显示它为04/03/2017，但是当您单击该字段时，显示的实际值与上面的值相同。Adobe允许这样做，然后进行转换，我认为可以将日期显示为mm/dd/yyyy。有能力使用javascript与adobe进行更多的控制，但我不能这样做，用户只能拥有和使用pdf表单，而没有任何随附的javascript文件。

因此，我希望在Python中找到一个使用datetime的方法，该方法能够接受书面日期，如上面的字符串示例，然后将它们转换为真正的mm/dd/yyyy格式？我看到了转换长月和短月名的方法，但是没有任何方法可以处理像1、2、3、4这样的日名。

Answer 1

您可以依次尝试每种可能的格式。首先，删除任何st nd rd说明符，以使测试更容易：

from datetime import datetime

formats = ["%B %d %Y", "%d %B %Y", "%b %d %Y", "%m/%d/%Y", "%m %d %Y"]
dates = ["april 3rd 2017", "3rd April 2017", "Apr 3rd 2017", "04/04/2017", "4 3 2017"]

for date in dates:
    date = date.lower().replace("rd", "").replace("nd", "").replace("st", "")

    for format in formats:
        try:
            print datetime.strptime(date, format).strftime("%m/%d/%Y")
        except ValueError:
            pass

它将显示：

04/03/2017
04/03/2017
04/03/2017
04/04/2017
04/03/2017

这种方法的好处是验证每个日期。例如，超过12个月。您可以标记所有允许的格式失败的日期。

Answer 2

只需编写一个正则表达式，将数字从字符串中取出。

import re

s = '30Apr' 
n = s[:re.match(r'[0-9]+', s).span()[1]]
print(n) # Will print 30

其他的事情应该很容易。

Answer 3

基于@MartinEvans的anwser，但使用arrow库：(因为它处理的情况比日期时间多，所以不必使用replace()或lower())

第一个安装箭头：

pip install arrow

然后尝试每种可能的格式：

import arrow

dates = ['april 3rd 2017', '3rd April 2017', 'Apr 3rd 2017', '04/04/2017', '4 3 2017']
formats = ['MMMM Do YYYY', 'Do MMMM YYYY', 'MMM Do YYYY', 'MM/DD/YYYY', 'M D YYYY']

def convert_datetime(date):
    for format in formats:
        try:
            print arrow.get(date, format).format('MM/DD/YYYY')
        except arrow.parser.ParserError:
            pass

[convert_datetime(date) for date in dates]

将产出：

04/03/2017
04/03/2017
04/03/2017
04/04/2017
04/03/2017

如果您不确定日期格式中可能出错的是什么，您也可以输出一条很好的错误消息，如果没有一个日期与该格式匹配：

def convert_datetime(date):
    for format in formats:
        try:
            print arrow.get(date, format).format('MM/DD/YYYY')
            break
        except (arrow.parser.ParserError, ValueError) as e:
            pass
    else:
        print 'For date: "{0}", {1}'.format(date, e)

convert_datetime('124 5 2017') # test invalid date

将输出以下错误消息：

'For date: "124 5 2017", month must be in 1..12'