Python datefinder仅年份场景下日期提取失效的解决方案咨询

datefinder库对包含月份、日的日期识别效果不错，但默认不会将单独的4位数字或年份范围识别为日期。要同时兼容各类完整/不完整日期格式，可通过正则预处理纯年份+datefinder处理其他格式的组合方案实现需求。

实现思路 #

1. 用正则提前捕获输入中的单个纯年份（4位数字）和年份范围（如2014 - 2018），手动补全为当年1月1日的日期对象
2. 调用datefinder处理带月份、日的日期格式，确保兼容性
3. 对识别到的日期去重、排序，最后格式化为YYYY/MM/DD的字符串

完整代码示例 #

import re
import datefinder
from datetime import datetime

def extract_and_format_dates(input_str):
    dates = []
    
    # 匹配单个4位年份或年份范围（支持空格分隔的连字符）
    year_pattern = re.compile(r'\b(\d{4})\s*-\s*(\d{4})\b|\b(\d{4})\b')
    year_matches = year_pattern.findall(input_str)
    
    for match in year_matches:
        # 处理年份范围
        if match[0] and match[1]:
            start_year = int(match[0])
            end_year = int(match[1])
            dates.append(datetime(start_year, 1, 1))
            dates.append(datetime(end_year, 1, 1))
        # 处理单个年份
        elif match[2]:
            year = int(match[2])
            # 可添加年份范围校验，比如只处理1900-2100之间的年份
            if 1900 <= year <= 2100:
                dates.append(datetime(year, 1, 1))
    
    # 用datefinder识别带月份/日的日期
    for df_date in datefinder.find_dates(input_str):
        dates.append(df_date)
    
    # 去重（避免重复识别同一日期，比如带月份的年份会被正则和datefinder同时捕获）
    unique_dates = list({dt.date(): dt for dt in dates}.values())
    # 按时间排序
    unique_dates.sort()
    
    # 格式化为目标字符串
    return [dt.strftime('%Y/%m/%d') for dt in unique_dates]

# 测试各类场景
test_inputs = [
    '2014 - 2018',
    '2014',
    'May 2014',
    '08/2014',
    '03/10/2018',
    '01 March 2013'
]

for input_str in test_inputs:
    print(f"输入: {input_str}")
    print("输出:")
    print('\n'.join(extract_and_format_dates(input_str)))
    print('---')

关键说明 #

• 正则匹配规则可根据需求调整，比如支持中文连字符（—）或更严格的年份边界校验
• 若需过滤不合理年份（如1000或3000），可在添加日期对象前加入年份范围判断
• datefinder会自动识别多种日期格式（如MM/YYYY、DD Month YYYY等），无需额外处理
• 去重步骤保留更精确的日期（比如May 2014会保留2014/05/01而非2014/01/01）

内容的提问来源于stack exchange，提问作者Dino