Ruby on Rails项目中如何用正则表达式从JSON提取日期时间？

嘿，我来帮你搞定这个问题！你现在用Ruby 2.5.0搭配Rails 5开发项目，要从给定的JSON里提取日期时间信息对吧？先看你提供的JSON数据，里面的WordText字段有类似0102770005、06...这类疑似日期的内容，咱们一步步来处理：

1. 先解析JSON数据 #

首先得把JSON字符串转换成Ruby能操作的对象，Rails默认已经包含了json库，直接用JSON.parse就行：

require 'json'

# 你的原始JSON字符串
json_content = '{ "Lines": [{ "Words": [{ "WordText": "WELCOME", "Left": 655, "Top": 442, "Height": 23, "Width": 91 }], "MaxHeight": 23, "MinTop": 442 }, { "Words": [{ "WordText": "0102770005", "Left": 752, "Top": 1621, "Height": 23, "Width": 131 }], "MaxHeight": 23, "MinTop": 1621 }, { "Words": [ { "WordText": "06..." }]}]}'

# 解析成Ruby哈希
parsed_data = JSON.parse(json_content)

2. 收集所有WordText内容 #

接下来要把所有Lines下的Words里的WordText都提取出来，方便后续匹配：

# 用flat_map+map嵌套遍历，收集所有WordText值
all_word_texts = parsed_data['Lines'].flat_map do |line|
  line['Words'].map { |word| word['WordText'] }
end

# 此时all_word_texts的结果是：["WELCOME", "0102770005", "06..."]

3. 用正则表达式匹配日期时间 #

根据你提供的示例内容，我们假设要匹配两种情况：

• 类似DDMMYY的六位日期（比如010277对应1977年2月1日）
• 截断的日期（比如06...，开头两位是日期的一部分）

可以写一个覆盖这两种情况的正则，然后筛选出匹配的内容：

# 定义匹配规则：要么是连续6位数字，要么是两位数字加省略号
date_regex = /\b(\d{6}|\d{2}\.\.\.)\b/

# 筛选出符合规则的文本
matched_dates = all_word_texts.select { |text| text.match?(date_regex) }

# 结果会是：["0102770005", "06..."]

如果只想要0102770005里的日期部分（前六位），可以调整正则来提取：

# 提取字符串中的六位日期片段
date_fragments = all_word_texts.flat_map do |text|
  text.scan(/\d{6}/)
end

# 结果会是：["010277"]

4. 把提取到的日期转换成日期对象 #

如果需要把字符串转成Ruby的Date或Time对象，方便后续处理，可以用Date.strptime（指定格式解析更精准）：

require 'date'

date_fragments.each do |fragment|
  # 按照DDMMYY的格式解析
  parsed_date = Date.strptime(fragment, "%d%m%y")
  puts "解析后的日期：#{parsed_date}" # 输出：解析后的日期：1977-02-01
end

对于截断的06...，你可以根据业务规则补充处理逻辑，比如假设是当月的6号，或者结合其他上下文补全日期。

小提示 #

如果你的日期格式和上面的不一样（比如MMDDYY、YYYYMMDD等），只需要调整正则表达式和strptime的格式符就行。另外，Rails里也可以用Time.parse尝试自动解析，但正则匹配更适合这种OCR识别的结构化数据，避免误匹配无关文本。

内容的提问来源于stack exchange，提问作者awsm sid