在 Openrefine 中匹配不同的日期
K3it4r0
我正在尝试使用 OpenRefine 2.6 中的 value.match 命令将列中的信息拆分为（至少）2 列。然而，数据相当混乱。
我有时有完整的约会：
May 30, 1949
有时完整日期与其他日期和属性组合在一起：
May 30, 1949, published 1979
May 30, 1949 and 1951, published 1979
May 30, 1949, printed 1980
May 30, 1949, print executed 1988
May 30, 1949, prints executed 1988
published 1940
有时你有时间跨度：
1905-05 或者 1905-1906
有时只有一年
1905
有时有属性的年份
August or September 1908
似乎没有遵循任何特定的架构或顺序。
我想提取（至少）ca 开始和结束日期年份，以便有两列：
-----------------------
|start_date | end_date|
|1905 | 1906 |
-----------------------
没有其余的属性。
我可以找到最后一个日期 using
value.match(/.*(\d{4}).*?/)[0]
和第一个 with ，
value.match(/.*^(\d{4}).*?/)[0]
但我在这两个公式上遇到了一些麻烦。
后者在以下情况下无法匹配：
May 30, 1949 and 1951, published 1979
而在以下情况下：
Paris, winter 1911-12后一个公式无法匹配任何内容，前一个公式匹配1911
有谁知道我该如何解决这个问题？
我需要一个解决方案，将第一个日期作为 start_date，将最终日期作为 end_date，或者更好（不知道是否可能）最早的日期作为 start_date 和最晚的日期作为 end_date。此外，我很高兴有一些关于如何提取其他信息的线索，例如文本中是否存在已发布或印刷或已执行-> 将日期复制到新的列名称“执行”。应该类似于创建一个新列if(value.match("string1|string2|string3" + (\d{4}), "perform the operation", do nothing)
埃托雷扎
value.match()是一个非常有用但有时很棘手的功能。为了从文本中提取模式，我更喜欢使用 Python/Jython 的正则表达式：
import re
pattern = re.compile(r"\d{4}")
return pattern.findall(value)
从那里，您可以创建一个连接所有年份的字符串：
return ",".join(pattern.findall(value))
或者只选择第一个：
return pattern.findall(value)[0]
或者最后一个：
return pattern.findall(value)[-1]
等等。
您的子问题也是如此：
import re
pattern = re.compile(r"(published|printed|executed)\s+(\d+)")
return pattern.findall(value)[0][1]
或者 ：
import re
pattern = re.compile(r"(published|printed|executed)\s+(\d+)")
m = re.search(pattern, value)
return m.group(2)
例子：
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
编辑于
相关文章
TOP 榜单
- 1
UITableView的项目向下滚动后更改颜色，然后快速备份
- 2
Linux的官方Adobe Flash存储库是否已过时？
- 3
用日期数据透视表和日期顺序查询
- 4
应用发明者仅从列表中选择一个随机项一次
- 5
Mac OS X更新后的GRUB 2问题
- 6
验证REST API参数
- 7
Java Eclipse中的错误13，如何解决？
- 8
带有错误“ where”条件的查询如何返回结果？
- 9
ggplot：对齐多个分面图-所有大小不同的分面
- 10
尝试反复更改屏幕上按钮的位置 - kotlin android studio
- 11
如何从视图一次更新多行（ASP.NET - Core）
- 12
计算数据帧中每行的NA
- 13
蓝屏死机没有修复解决方案
- 14
在 Python 2.7 中。如何从文件中读取特定文本并分配给变量
- 15
离子动态工具栏背景色
- 16
VB.net将2条特定行导出到DataGridView
- 17
通过 Git 在运行 Jenkins 作业时获取 ClassNotFoundException
- 18
在Windows 7中无法删除文件（2）
- 19
python中的boto3文件上传
- 20
当我尝试下载 StanfordNLP en 模型时，出现错误
- 21
Node.js中未捕获的异常错误，发生调用
我来说两句