wykrywanie daty w dowolnym formacie

Thread View: pl.comp.lang.java

1 messages

[T] Back to Threads [V] Tree View [G] Group Articles

1 total messages Started by Hollow Quincy Mon, 21 Nov 2011 11:09

#153152

Author: Hollow Quincy
Date: Mon, 21 Nov 2011 11:09

20 lines
2158 bytes

Cześć,

Mam bazę tekstów w różnych językach, które gdzieś w środku mogą (nie
muszą) zawierać daty z czasem w najróżniejszych formatach. Jak każdy
wie, formatów dat jest multum: czasami miesiąc jest pisany cyframi,
czasami pierwsze 3 litery, czasami miesiąc jest napisany po angiesku,
niemiecku, sama data, sam czas, anglicy piszą miesiąc i dzień inaczej
niż polacy, no wszystkie możliwe kombinacje.

Czy znacie jakąś bibliotekę, która wykryje większość (jak najwięcej)
dat w takim tekście ? Czasami daty mogą być niejednoznaczne (np.
11-12-11, trudno powiedzieć który to miesiąc, a który dzień, ale np.
można wyryć jężyk tekstu za pomocą Apache Tika i jeśli będzie to
angielski, to prawdopodobnie lepszty byłby format angieski).

Apache lucene wykrywa daty, ale według mojego wstępnego rekonesansu
trzeba podać ten jeden szukany format. Może jest jakiś ogromny zbiór
formatów, które można by podać ? Jak zabrać się za takie zagadnienie ?

Dzięki za poradę

Thread Navigation

This is a paginated view of messages in the thread with full content displayed inline.

Messages are displayed in chronological order, with the original post highlighted in green.

Use pagination controls to navigate through all messages in large threads.

Back to All Threads