dateutil识别日期年份错误：始终返回当前年份的问题求助

问题描述 #

需求是识别字符串中的任意格式日期并替换为YYYY-MM-DD标准格式，但使用dateutil.parser处理“月 日, 年”格式的日期时，虽能正确提取出日期部分，却始终返回当前年份而非字符串中的正确年份。

复现代码 #

import dateutil.parser as dparser

old_str1 = 'of these founders, who held his governmental position since March 3, 1795?'
old_str2 = 'of these founders, who held his governmental position since March 3, 1995?'

def convert_date_in_string(old_str):
    try:
        new_date, excl_str = dparser.parse(old_str, fuzzy_with_tokens=True)
        new_date = str(new_date)[:10]
    
        excl_str = list(excl_str)
        excl_str.sort(reverse=True,key = len)
        old_date = old_str
        for i in excl_str:
            if i != ' ':
                old_date = old_date.replace(i,'')
        print(old_date)

    except:
        new_str = old_str
    return(new_str)

new_str1 = convert_date_in_string(old_str1)
new_str2 = convert_date_in_string(old_str2)

print(new_str1)
print(new_str2)

运行输出 #

March 3, 1795
March 3, 1995
of these founders, who held his governmental position since <strong>2022-03-03</strong>?
of these founders, who held his governmental position since <strong>2022-03-03</strong>?

解决建议 #

1. 修复代码逻辑漏洞 #

原代码存在两个关键问题：try块内未对new_str赋值，会触发未定义变量错误；未完成将原字符串旧日期替换为标准格式的核心操作。修改后的代码如下：

import dateutil.parser as dparser
from datetime import datetime

old_str1 = 'of these founders, who held his governmental position since March 3, 1795?'
old_str2 = 'of these founders, who held his governmental position since March 3, 1995?'

def convert_date_in_string(old_str):
    try:
        # 解析日期并提取非日期部分
        parsed_date, excl_tokens = dparser.parse(old_str, fuzzy_with_tokens=True, default=datetime(1900, 1, 1))
        standard_date = parsed_date.strftime('%Y-%m-%d')
        
        # 还原原日期字符串（移除所有非日期部分）
        original_date = old_str
        for token in sorted(excl_tokens, key=len, reverse=True):
            token = token.strip()
            if token:
                original_date = original_date.replace(token, '', 1).strip()
        
        # 替换原字符串中的旧日期为标准格式
        new_str = old_str.replace(original_date, f'<strong>{standard_date}</strong>')
    except Exception as e:
        print(f"解析出错: {e}")
        new_str = old_str
    return new_str

new_str1 = convert_date_in_string(old_str1)
new_str2 = convert_date_in_string(old_str2)

print(new_str1)
print(new_str2)

2. 解决年份识别偏差问题 #

如果修改后仍出现年份错误，可通过以下方式处理：

• 指定基准日期：dateutil.parser默认使用当前时间作为default参数，若解析时对年份判断模糊，会 fallback 到当前年份。针对历史年份，可指定一个早期基准日期，比如default=datetime(1900, 1, 1)，引导解析器优先匹配旧年份。
• 升级dateutil版本：旧版本的dateutil可能存在启发式解析bug，升级到最新版本可解决多数识别问题，执行命令：pip install python-dateutil --upgrade。
• 固定格式解析：若已知日期格式固定为“月 日, 年”，可直接用datetime.strptime解析，避免模糊解析的不确定性，示例代码：parsed_date = datetime.strptime(original_date.strip(), '%B %d, %Y')。

内容的提问来源于stack exchange，提问作者Ash Lewis