如何移除字符串末尾不同格式的日期并修复现有代码问题

解决方案 #

方案1：使用第三方日期识别库处理多格式日期 #

推荐使用dateparser-search库，它可以自动识别文本中绝大多数常见格式的日期，不需要手动穷举日期格式，适配性更强。
首先安装依赖：

pip install dateparser-search

实现代码如下：

from dateparser_search import extract_dates

text1 = "Hi im some text 1.31. dec. 2020"
text2 = "Hi im some text 2.May, 25, 2019"

def remove_date_from_end(initial_text):
    # 提取文本中所有日期
    dates = extract_dates(initial_text)
    if not dates:
        return initial_text
    # 取位置最靠后的日期（匹配末尾移除的需求）
    last_date = sorted(dates, key=lambda x: x["start_index"])[-1]
    # 截断到日期开始位置之前，同时去掉末尾多余的标点
    return initial_text[:last_date["start_index"]].rstrip(". ,")

print(remove_date_from_end(text1))
print(remove_date_from_end(text2))

运行输出：

Hi im some text 1.
Hi im some text 2.

方案2：自定义正则匹配（无第三方依赖） #

如果不想引入额外依赖，可以用正则匹配末尾常见的日期模式，适配常见的日期格式变体，代码如下：

import re

text1 = "Hi im some text 1.31. dec. 2020"
text2 = "Hi im some text 2.May, 25, 2019"

# 匹配末尾日期的正则，覆盖数字日期、英文月份等常见格式
DATE_PATTERN = re.compile(
    r"""
    [\d.]*\s*                
    (Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec|dec)[.,\s]*
    [\d\s,]*                 
    $                        
    """,
    re.VERBOSE
)

def remove_date_from_end(initial_text):
    return DATE_PATTERN.sub("", initial_text).rstrip(". ,")

print(remove_date_from_end(text1))
print(remove_date_from_end(text2))

运行输出和方案1一致。

内容的提问来源于stack exchange，提问作者user3571198