การตรวจจับวันที่ด้วย Python RegEx

Question

เป็นโครงการฝึกปฏิบัติจากหนังสือ "Automate the Boring stuff with Python" ฉันเป็นโปรแกรมเมอร์ Python ระดับกลางและฉันพยายามแก้ปัญหานี้ด้วยรหัสน้อยที่สุด รหัสนี้จะไม่นำวันที่ผิดพลาดมาพิจารณาเช่นวันที่ 29-02-2002 จะไม่ถูกเลือกเนื่องจากปี 2545 ไม่ใช่ปีอธิกสุรทินและมีเพียงปีอธิกสุรทินเท่านั้นที่มีวันที่ 29 กุมภาพันธ์ ฉันไม่ได้เพิ่มรหัสเพื่อตรวจจับวันที่ที่มีเดือนที่เขียนเป็นคำฉันสามารถทำได้เช่นกัน แต่ตอนนี้ฉันต้องการให้ทุกอย่างง่ายขึ้นและฉันยังไม่ได้ใช้โมดูล pyperclip เพื่อตรวจจับวันที่จากข้อความที่คัดลอกไปยังคลิปบอร์ดเพราะฉันไม่ต้องการ สร้างความสับสนให้กับผู้เริ่มต้นที่ต้องการเรียนรู้จากการดูรหัสของฉัน ฉันต้องการให้โปรแกรมเมอร์หลักตรวจสอบรหัสของฉันและหากพวกเขาเป็นอีกวิธีหนึ่งที่เป็นไปได้ในการตรวจจับวันที่โปรดโพสต์วิธีแก้ปัญหาของคุณ นอกจากนี้ฉันจะขอบคุณคำแนะนำและคำวิจารณ์ในเชิงบวกดังนั้นฉันรู้ว่าตอนนี้ฉันยืนอยู่ที่ไหนและฉันต้องปรับปรุงอะไร ขอบคุณ. รหัสมีดังนี้:

    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

ฉันขอแนะนำการปรับปรุงเล็กน้อยในนิพจน์ทั่วไป:

• ให้แน่ใจว่าตัวคั่นเดียวกันจะใช้ระหว่างวันเดือนและระหว่างเดือนและปีที่มี backreference (?P=sep),
• แทนที่กลุ่มจับหมายเลขที่มีชื่อและทำให้กลุ่มที่ไม่จำเป็นถ้ามี wer ใด ๆ ?:ที่ไม่ใช่การจับกับ ดังนั้นfinditerและgroupdictใช้และวันที่ได้รับจากการจับคู่กับint(date['day'])ฯลฯ สิ่งนี้จะทำให้โค้ดมีความเป็นมนุษย์มากขึ้น

ที่สำคัญผมขอแนะนำว่าคุณได้รับการกำจัดของdays, monthsและyearsรายการทั้งหมด ข้อมูลเหล่านี้จะถูกเก็บไว้ในพจนานุกรมในรายการและกรองก่อนที่จะผนวกกับdatesdates

range(len(days))เป็นผลให้คุณจะไม่ต้องห่วงมากกว่า

เงื่อนไขการตรวจสอบสามารถ OR'ed date_is_valid(day: int, month: int, year: int) -> boolร่วมกันโดยไม่สูญเสียความคมชัดและผมเสนอจะทำให้มันเป็นฟังก์ชั่นที่แยกต่างหาก

นอกจากนี้เพียง parametre ในสามารถทำพิมพ์:date_detectordef date_detector(text: str):

ในการสรุปการแก้ไขที่แนะนำ:

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

ฉันรู้ว่านี่เป็นส่วนหนึ่งของแบบฝึกหัด แต่รู้สึกเหมือนมีการคิดค้นล้อใหม่มากมายที่คุณสามารถใช้ประโยชน์จากความสามารถของ Python ในตัวสำหรับการตรวจสอบวันที่:

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

• แทนการสร้าง 3 รายการแยกต่างหากสำหรับปี , เดือนและวันที่คุณสามารถสร้างเพียงหนึ่งรายการเนื่องจากคุณเสมอเข้าถึงชิ้นส่วนเหล่านี้ที่ดัชนีเดียวกัน นอกจากนี้ยังช่วยลดความซับซ้อนของการforวนซ้ำซึ่งให้ค่าโดยตรงแทนการให้ดัชนีที่คุณต้องการเข้าถึงในรายการเหล่านี้

• งูหลามเป็นภาษาแบบไดนามิกที่คอลเลกชันที่ว่างเปล่าจะมีการประเมินการFalseดังนั้นเมื่อคุณต้องการตรวจสอบว่ารายการมีรายการใดที่คุณไม่ต้องทำมันอย่างชัดเจนผ่านแต่ที่คุณสามารถทำได้if len(list) > 0 if list:สำหรับวัตถุประสงค์ในการพิมพ์รายการในรายการคุณสามารถดำเนินการต่อไปอีกขั้นหนึ่งและละเว้นเงื่อนไขโดยสิ้นเชิงเนื่องจากการวนซ้ำผ่านรายการว่างโดยไม่ต้องพิมพ์อะไรเลย ตัวอย่างข้อมูลก่อน / หลัง:

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

# after
for date in dates:
    print(date)

ใช้คำแนะนำทั้งหมด:

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)

• สิ่งนี้สามารถทำให้ง่ายขึ้นโดยการรวมforลูปทั้งสองเข้าด้วยกันดังนั้นคุณจึงไม่ต้องทำซ้ำผ่านการรวบรวมข้อมูลสองครั้งโดยไม่จำเป็น