Python提取段落日期转dd/mm/yyyy格式及DataFrame赋值错误解决
问题原因&解决方法
错误原因
- 全列日期相同:你在循环中直接执行
df['Date'] = word[5],这是给整个Date列统一赋值,每次循环都会覆盖之前所有行的结果,最终所有行的日期都是最后一次循环取出的值。 - 日期转换失败:一是硬按换行符拆分取固定索引的方式鲁棒性差,部分文本结构变化时会取到非日期内容;二是
strptime需要严格匹配原日期的格式模板,同时中文系统环境下默认无法识别英文月份缩写,需要额外设置。
修正方案
推荐用正则表达式匹配第一个符合格式的日期,避免硬拆分的结构依赖,完整代码如下:
import re from datetime import datetime import pandas as pd import locale # 中文环境下设置locale识别英文月份,Windows下用下方代码,Mac/Linux可以替换为'en_US.UTF-8' locale.setlocale(locale.LC_TIME, 'English_US') # 定义日期提取&转换函数 def extract_first_date(text): if not isinstance(text, str): return pd.NA # 匹配第一个符合"月 日, 年 • 时:分AM/PM"格式的字符串 date_match = re.search(r'[A-Z][a-z]{2} \d{1,2}, \d{4} • \d{1,2}:\d{2}[AP]M', text) if not date_match: return pd.NA date_str = date_match.group() # 按原格式解析日期 date_obj = datetime.strptime(date_str, '%b %d, %Y • %I:%M%p') # 转换为dd/mm/yyyy格式字符串 return date_obj.strftime('%d/%m/%Y') # 应用函数生成Date列 df['Date'] = df['Project_Updates_Description'].apply(extract_first_date)
如果不想修改系统locale设置,可安装
python-dateutil库后替换日期解析部分的代码,无需手动匹配格式也能识别英文日期:from dateutil import parser # 只取•前面的日期部分解析 date_obj = parser.parse(date_str.split('•')[0].strip())
代码说明
- 用正则匹配日期的方式适配性更强,不需要依赖文本的换行结构,只要是符合格式的第一个日期都能正确提取
- 统一处理了非字符串值、无匹配日期的异常情况,不会报错中断
- 日期解析模板和原日期格式完全对应,转换不会失败
内容的提问来源于stack exchange,提问作者rylynn_mcbos
相关产品推荐
相关产品推荐

