从日期/时间的字符串信息中提取

Question

我有一些文本通常以以下内容开头：

“12 minutes ago - There was a meeting...”

“2 hours ago - Apologies for being...”

“1 day ago - It is a sunny day in London...”

等等。基本上我有以下信息：

Minutes 

Hours

Day (starting from today)

我想将此类信息转换为有价值的时间序列信息，以便提取这部分并从中创建一个新列（日期时间）。在我的数据集中，我有一列（日期），其中我已经有执行研究的日期（例如，今天），格式为：26/05/2020 和提交搜索的时间（例如上午 8:41 ). 因此，如果文本以“12 分钟前”开头，我应该：

26/05/2020 - 8:29 (datetime format in Python)

对于其他人：

26/05/2020 - 6:41

25/05/2020 - 8:41

重要的是要有一些东西（字符串、数字、日期格式），我可以将其绘制为时间序列（我想看看在时间间隔方面发布了多少文本）。关于如何做到这一点的任何想法？

Answer 1

如果格式保持简单：<digits> <unit> ago ...用"^(\d+) (\w+) ago".然后，一旦你('minutes', '12')将这些传递给timedelta它接受每个单元作为关键字参数timedelta(minutes=12)，你将通过传递一个映射来做到这一点**{unit:value}def parse(content):&nbsp; &nbsp; timeparts = re.search(r"^(\d+) (\w+) ago", content)&nbsp; &nbsp; if not timeparts:&nbsp; &nbsp; &nbsp; &nbsp; return None, content&nbsp; &nbsp; unit = timeparts.group(2).rstrip('s') + 's' # ensure ends with 's'&nbsp; &nbsp; #return datetime.now()-timedelta(**{unit:int(timeparts.group(1))})&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp;# Now date&nbsp; &nbsp; return datetime(2020,5,26,8,0,0)-timedelta(**{unit:int(timeparts.group(1))}) # Fixed date演示values = ["12 minutes ago - There was a meeting...","2 hours ago - Apologies for being...","1 day ago - It is a sunny day in London..."]for value in values:&nbsp; res = parse(value)&nbsp; print(res)2020-05-26 07:48:002020-05-26 06:00:002020-05-25 08:00:00

Answer 2

您应该为此使用自然语言处理库，例如spaCY或 NLTK这是tokenization来自上面链接的示例，显示了 spacY 如何分解句子：