Автоматический анализатор даты/времени без указания формата

Проблема в том, что есть некоторые форматы, которые нельзя угадать правильно.

Простой пример: 01/02/2013. Это 1 февраля или 2 января? Или еще хуже: 01/02/09?

Оба формата существуют. (Спасибо, Великобритания и США!)

Таким образом, любой угадывающий формат должен будет полагаться на удачу для этих форматов или преднамеренно потерпеть неудачу для них.

Модуль Python dateutil.parser может служить примером парсера с максимальной эффективностью. Извините, что я не знаю эквивалента Java. Но вы можете посмотреть Joda Time.

http://labix.org/python-dateutil#head-b95ce2094d189a89f80f5ae52a05b4ab7b41af47

на самом деле он имеет параметры dayfirst и yearfirst.

Затем есть Perl-модуль:

https://metacpan.org/pod/Time%3a%3aParseDate

Возможно, вы сможете использовать список приоритетов из этого модуля. Не очень быстро вслепую попробовать несколько шаблонов (оптимизированный лексер будет намного быстрее), но этого может быть достаточно для вас, если только вы не угадываете формат миллионов записей.

Я нашел ответ на свою проблему. Я использовал эту конкретную библиотеку POjava. На этой странице объясняется, как можно отформатировать строку даты и времени без указания какого-либо формата. Однако, чтобы библиотека работала правильно, вы должны указать порядок дат, например, день, за которым следует месяц, или месяц, за которым следует день.

Для этого нет волшебного решения. Помните, что форматы даты/времени также могут зависеть от вашего языка.

На самом деле лучшее, что вы можете сделать, это определить список форматов и «пробовать» их один за другим, пока не найдете подходящий (или ни одного).

private static final FORMAT_1 = "MM/dd/yyyy'T'HH:mm:ss.SSS"
private static final FORMAT_2 = "MM/dd/yyyy'T'HH:mm:ss"
private static final FORMAT_3 = "MM/dd/yyyy"

Не забывайте думать о безопасности потоков при работе с объектами даты/времени в java. У меня есть класс, который занимается такими вещами под названием "ThreadSafeDateTimeFormatter".

Удачи!

Поскольку я не нашел удобного решения для своей ситуации, я написал простой статический служебный метод, который мне помог. Обертывание форматов в коллекцию и повторение ее может упростить задачу, если будет добавлено много других форматов.

public static Date returnDateFromDateString(String propValue) throws Exception {

    SimpleDateFormat sdfFormat1 = new SimpleDateFormat(IDateFConstants.DATE_STRING_FORMAT_1);
    SimpleDateFormat sdfFormat2 = new SimpleDateFormat(IDateFConstants.DATE_STRING_FORMAT_2);
    SimpleDateFormat sdfISO8601 = new SimpleDateFormat(IDateFConstants.DATE_STRING_ISO_8601);

    try {
        return sdfFormat1.parse(propValue);
    } catch (ParseException e) { }

    try {
        return sdfFormat2.parse(propValue);
    } catch (ParseException e) { }

    try {
        return sdfISO8601.parse(propValue);
    } catch (ParseException e) { }

    throw new Exception(IDateFConstants.DATE_FORMAT_ERROR);
}

где IDateFConstants выглядит

public interface IDateFConstants {

public static final String DATE_STRING_ISO_8601 = "yyyy-MM-dd'T'HH:mm:ss";
public static final String DATE_STRING_FORMAT_1 = "dd.MM.yyyy";
public static final String DATE_STRING_FORMAT_2 = "dd.MM.yyyy HH:mm:ss";

public static final String DATE_FORMAT_ERROR = "Date string wasn't" + 
                                            + "formatted in known formats";

}

Вам нужно, по крайней мере, иметь упорядоченный список кандидатов на шаблоны. После этого Apache В DateUtils есть метод parseDate(String dateString, String[] patterns), который позволяет легко попробовать список шаблонов в строке даты и проанализировать его по первому совпадению:

public static Date parseDate(String str,
                         String[] parsePatterns)
                  throws ParseException
Parses a string representing a date by trying a variety of different parsers.

Синтаксический анализ будет пробовать каждый шаблон синтаксического анализа по очереди. Анализ считается успешным только в том случае, если он анализирует всю входную строку. Если шаблоны синтаксического анализа не совпадают, генерируется исключение ParseException.

Парсер будет снисходителен к анализируемой дате.

Этот синтаксический анализатор даты/времени поддерживает более 20 форматов даты, пользователь может установить формат даты в качестве конфигурации для ввода. Ознакомьтесь с полным документом, и он делает больше, чем другие библиотеки даты и времени.

Ссылка на Github: https://github.com/zoho/hawking. Разработано командой ZOHO ZIA.

Hawking Parser — это синтаксический анализатор НЛП на основе Java для анализа информации о дате и времени. Самые популярные парсеры, такие как Heidel Time, SuTime и парсер времени Natty Date, явно основаны на правилах. Таким образом, они часто имеют тенденцию бороться с синтаксическим анализом информации о дате/времени, когда необходимо учитывать более сложные факторы, такие как контекст, время, несколько значений и многое другое.

Имея это в виду, Hawking Parser предназначен для решения многих из этих проблем и имеет много явных преимуществ по сравнению с другими доступными парсерами даты/времени.

Это библиотека с открытым исходным кодом под GPL v3 и лучшая из них. Чтобы узнать, почему это лучше всего, ознакомьтесь с этим блогом, в котором подробно объясняется: now-open-source.html" rel="nofollow noreferrer">https://www.zoho.com/blog/general/zias-nlp-based-hawking-date-time-parser-is-now-open-source .html

P.S: я один из разработчиков этого проекта