Определение даты с помощью Python RegEx

Question

Это практический проект из книги «Автоматизируйте скучные вещи с помощью Python». Я программист на Python среднего уровня, и я попытался решить эту проблему с помощью меньшего количества кода. Этот код не учитывает неправильную дату, например: 29-02-2002 не будет выбран, потому что 2002 год не високосный, и только високосные годы имеют 29 февраля. я не добавлял код для определения дат с месяцами, записанными словами, я тоже мог бы это сделать, но пока я хочу, чтобы все было просто, и я также не использовал модуль pyperclip для определения дат из скопированного текста в буфер обмена, потому что я не хочу запутать любого новичка, который также хочет учиться, наблюдая за моим кодом. Я хочу, чтобы мастера-программисты просмотрели мой код, и если у них есть другой способ определения дат, опубликуйте свои решения. Также я был бы признателен за любые советы и положительную критику, так что я знаю, где я сейчас стою и что мне нужно улучшить. Благодарю. Код выглядит следующим образом:

    import re


    def date_detector(text):
        date_pattern = re.compile('''
        ([12][0-9]|3[0-1]|0?[1-9])             # to detect days from 1 to 31
        ([./-])                                # to detect different separations
        (1[0-2]|0?[1-9])                       # to detect number of months
        ([./-])                                # to detect different seperations
        (2?1?[0-9][0-9][0-9])                  # to detect number of years from 1000-2999 years
         ''', re.VERBOSE)

        days = []
        months = []
        years = []
        dates = []
        for date in date_pattern.findall(text):
            days.append(int(date[0]))
            months.append(int(date[2]))
            years.append(int(date[4]))

        for num in range(len(days)):

        # appending dates in a list that dont need any filtering to detect wrong dates
            if months[num] not in (2, 4, 6, 9, 11):
                dates.append([days[num], months[num], years[num]])

        # detecting those dates with months that have only 30 days
            elif days[num] < 31 and months[num] in (4, 6, 9, 11):
                dates.append([days[num], months[num], years[num]])

        # filtering leap years with Feb months that have 29 days
            elif months[num] == 2 and days[num] == 29:
                if years[num] % 4 == 0:
                    if years[num] % 100 == 0:
                        if years[num] % 400 == 0:
                            dates.append([days[num], months[num], years[num]])
                    else:
                        dates.append([days[num], months[num], years[num]])

        # appending Feb dates that have less than 29 days
            elif months[num] == 2 and days[num] < 29:
                dates.append([days[num], months[num], years[num]])

        if len(dates) > 0:
            for date in dates:
                print(date)


data = '30-06-2012, 31-12-2012, 15-02-2002, 29-02-2004, 29-02-2002, 31-02-2004, 31-06-2012'

date_detector(data)
```

Answer 1

Предлагаю небольшие улучшения в регулярном выражении:

• убедитесь, что между днем ​​и месяцем и между месяцем и годом используется один и тот же разделитель с обратной ссылкой (?P=sep),
• замените нумерованные группы захвата именованными и сделайте ненужные группы, если таковые имеются, без захвата с помощью ?:. Следовательно, finditerи groupdictиспользуются, а день получается из совпадения с int(date['day'])и т.д. Это сделает код несколько более человечным.

Что еще более важно, я полагаю , что вы избавиться от days, monthsи yearsсписки в целом. Эти данные можно хранить в словарях в виде datesсписка и фильтровать перед добавлением в dates.

Как следствие, вам не понадобится зацикливаться range(len(days)).

Условия валидации могут быть объединены оператором ИЛИ без потери ясности, и я предлагаю сделать это отдельной функцией date_is_valid(day: int, month: int, year: int) -> bool.

Кроме того , только в параметру date_detectorможет быть набрано: def date_detector(text: str):.

Подводя итог предлагаемым изменениям:

import re

def date_is_valid(day: int, month: int, year: int) -> bool:
    return (month not in (2, 4, 6, 9, 11)   # 31 days in month (Jan, Mar, May, Jul, Aug, Oct, Dec).
    or day < 31 and month in (4, 6, 9, 11)  # 30 days in month (Feb, Apr, Jun, Sep, Nov).
    or month == 2 and day == 29 and year % 4 == 0 and (year % 100 != 0 or year % 400 == 0)
                                            # February, 29th in a Gregorian leap year.
    or month == 2 and day < 29)             # February, 1st-28th.

def date_detector(text: str):
    date_pattern = re.compile('''
    (?P<day>[12][0-9]|3[0-1]|0?[1-9])   # to detect days from 1 to 31
    (?P<sep>[./-])                      # to detect different separations
    (?P<month>1[0-2]|0?[1-9])           # to detect number of months
    (?P=sep)                            # to detect different seperations
    (?P<year>2?1?[0-9][0-9][0-9])       # to detect number of years from 1000-2999 years
     ''', re.VERBOSE)

    dates = []
    for match in date_pattern.finditer(text):
        date = match.groupdict()                            # convert Match object to dictionary.
        del date['sep']                                     # we don't need the separator any more.
        date = {key: int(val) for key, val in date.items()} # apply int() to all items.
        
        if date_is_valid(date['day'], date['month'], date['year']):
            dates.append(date)

    if len(dates) > 0:
        for date in dates:
            print(date)

data = '30-06-2012, 31-12-2012, 15-02-2002, 29-02-2004, 29-02-2002, 31-02-2004, 31-06-2012'

date_detector(data)
```

Answer 2

Я знаю, что это часть упражнения, но мне кажется, что нужно заново изобретать колесо, когда вы можете использовать встроенные возможности Python для проверки даты:

from datetime import date

>>> date(2020, 2, 29) # leap year date works
datetime.date(2020, 2, 29)

>>> date(2002, 2, 29) # non-leap year will raise ValueError
ValueError: day is out of range for month

>>> date(2002, 9, 31) # 31th day will raise ValueError
ValueError: day is out of range for month

• вместо создания трех отдельных списков по годам , месяцам и дням вы можете создать только один список, поскольку вы всегда получаете доступ к этим частям по одному и тому же индексу. Это также упрощает forцикл, который дает вам значения напрямую, а не дает вам индекс, к которому вы хотите получить доступ в этих списках.

• Python - это динамический язык, на котором оцениваются пустые коллекции False, поэтому, когда вы хотите проверить, есть ли в списке какие-либо элементы, вам не нужно делать это явно через if len(list) > 0, но вы можете это сделать if list:. Для печати элементов в списке вы можете сделать еще один шаг и полностью опустить условие, поскольку итерация по пустому списку ничего не выводит. Фрагмент до / после:

# before
if len(dates) > 0:
    for date in dates:
        print(date)

# after
for date in dates:
    print(date)

все предложения применены:

import re
from datetime import date

def date_detector(text):
    date_pattern = re.compile('''
    ([12][0-9]|3[0-1]|0?[1-9])             # to detect days from 1 to 31
    ([./-])                                # to detect different separations
    (1[0-2]|0?[1-9])                       # to detect number of months
    ([./-])                                # to detect different seperations
    (2?1?[0-9][0-9][0-9])                  # to detect number of years from 1000-2999 years
        ''', re.VERBOSE)

    # use only one list for storing all parts of match together
    parsed = []
    for match in date_pattern.findall(text):
        # year, month, day for easier passing to date()
        parsed.append([ int(match[4]), int(match[2]), int(match[0])] )

    valid = [] 
    for item in parsed:
        try:
            # pass list of [year, month, day] to date() and let it check its validity for us
            date(*item)
        except ValueError as e:
            pass # invalid date, dont do anything
        else:
            valid.append(item)

    for item in valid:
        print(item)


data = '30-06-2012, 31-12-2012, 15-02-2002, 29-02-2004, 29-02-2002, 31-02-2004, 31-06-2012'

date_detector(data)

• это можно еще больше упростить, объединив оба forцикла вместе, так что вы не будете повторять сбор данных дважды без необходимости.