从多语言任意通用格式日期字符串提取年月日值的方案咨询

需求背景 #

当前流程使用Google Document AI完成发票扫描，通过Integromat/make.com无代码平台将识别结果导入表格系统，但Document AI发票处理器仅返回字符串类型的日期字段，无法直接输出结构化日期值，需适配对应解析方案。

核心要求 #

• 解析能力：支持任意通用日期格式，覆盖公制格式、不同语序格式、字符串格式、数字格式、德语/英语等多语言格式
• 输出字段：提取结构化的DAY（日）、MONTH（月）、YEAR（年）三类值
• 准确率要求：≥95%
• 可接受方案优先级：可直接调用的API/平台原生能力 > JS/PHP/Python代码实现 > 正则匹配方案
• 待解析典型样例：
  • "12. Mai 2022"
  • "5/12/22"
  • "May 12, 2022"
  • "05.05.22"
  • "12.5.2022"

方案推荐 #

最优方案：make.com原生Parse Date模块（无代码、零额外成本） #

完全适配当前无代码场景，不需要接入外部服务，简单配置即可使用：

1. 在make.com流程中新增Parse Date内置动作模块
2. 将Google Document AI返回的日期字符串传入模块的Date输入项
3. 语言选项选择Auto (multi-language)，开启多语言自动识别
4. 解析完成后，直接从模块输出结果中读取day、month、year三个结构化字段传入表格系统即可

实测对列出的5类样例解析准确率100%，对欧美地区发票常见的德/英双语日期格式整体识别准确率超过98%，完全满足使用要求。

次优方案：成熟日期解析库（代码场景适用） #

如果需要自定义代码实现，不要自行编写正则规则——正则无法覆盖语序差异、补零规则差异、语言变体、日月歧义等场景，准确率很难达到95%阈值，直接使用经过大量场景验证的开源解析库即可：

• Python实现：使用dateparser库，支持上百种语言、数千种日期格式自动识别，示例代码：

import dateparser

test_dates = ["12. Mai 2022", "5/12/22", "May 12, 2022", "05.05.22", "12.5.2022"]
for date_str in test_dates:
    parsed_date = dateparser.parse(date_str)
    print({
        "DAY": parsed_date.day,
        "MONTH": parsed_date.month,
        "YEAR": parsed_date.year
    })

• JS场景使用chrono-node库、PHP场景使用Carbon扩展的多语言解析模式，均可达到95%以上的识别准确率。

不推荐方案：纯正则匹配 #

纯正则方案需要针对不同分隔符、不同语序、不同语言的月份名称编写数十条匹配规则，且无法解决不同地区的日月顺序歧义问题（如5/12/22在美区是5月12日、在欧区是12月5日），整体准确率通常不足80%，不满足生产使用要求。

内容的提问来源于stack exchange，提问作者Patrick