Я работаю над полем поиска для веб-сайта событий. Я записываю поисковые запросы, которые люди делают, и многие люди вводят комбинацию {date} + {keyword}.
пример поиска:
jazz 5th november dj shadow tonight 2nd october live music поэтому мне нужно написать / найти регулярное выражение, которое может соответствовать текстовым датам из более длинной строки.
Я думаю, что самый простой способ сделать это – работать с исходным кодом для PHP strtotime() , предполагая, что он работает с регулярными выражениями.
Может ли кто-нибудь дать мне какие-либо подсказки для получения источника или, альтернативно, кто-нибудь встретит любые хорошие регулярные выражения для текстовых дат?
Развернувшись на этом ответе , как насчет того, чтобы использовать это, чтобы найти даты (или вещи, которые, по крайней мере, похожи на даты) в тексте, а затем попытаться разобрать их:
\b # match a word boundary (?: # either... (?: # match the following one to three times: (?: # either \d+ # a number, (?:\.|st|nd|rd|th)* # followed by a dot, st, nd, rd, or th (optional) | # or a month name (?:(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[az]*) ) [\s./-]* # followed by a date separator or whitespace (optional) ){1,3} # do this one to three times | # or match a "colloquial" date and capture in backref 1: (to(?:day|ni(?:te|ght)|morrow)|next\s+(?:week|month|year)) ) \b # and end at a word boundary.
Поэтому, если у вас есть совпадение, а backref $1 пуст, то предположительно была найдена буквальная дата; если $1 не пуст, он нашел дату типа «сегодня» или «на следующей неделе». Конечно, это будет работать только с датами в английском тексте, и это, вероятно, не будет очень надежным.
if (preg_match( '%\b # match a word boundary (?: # either... (?: # match the following one to three times: (?: # either \d+ # a number, (?:\.|st|nd|rd|th)* # followed by a dot, st, nd, rd, or th (optional) | # or a month name (?:(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[az]*) ) [\s./-]* # followed by a date separator or whitespace (optional) ){1,3} # do this one to three times | # or ... (?:to(?:day|ni(?:te|ght)|morrow)|next\s+(?:week|month|year)) ) \b # and end at a word boundary.%ix', $subject, $regs)) { $result = $regs[0]; $colloq = $regs[1]; // don't know what happens if $1 didn't participate in the match, though. } else { $result = ""; }
strtotime распознает каждый формат, который объясняется в форматах даты и времени . Вы можете принимать форматы прямо оттуда и самостоятельно создавать регулярные выражения.
Вот пример форматов времени :
// Uses Symbols $frac = "(?:\.[0-9]+)"; //".21342", ".85" $hh = "(?:0?[1-9]|1[0-2])"; // "04", "7", "12" $HH = "(?:[01][0-9]|2[0-4])"; // "04", "7", "19" $meridian = "(?:[AaPp]\.?[Mm]\.?[\0\t ])"; // "Am", "pM", "am." $MM = "(?:[0-5][0-9])"; // "00", "12", "59" $II = "(?:[0-5][0-9])"; // "00", "12", "59" $space = "(?:[ \t])"; $tz = "(?:\(?[A-Za-z]{1,6})?|[AZ][az]+(?:[_/][AZ][az]+)+)"; // "CEST", "Europe/Amsterdam", "America/Indiana/Knox" $tzcorrection = "(?:(?:GMT)?[+-]$hh:?$MM?)"; // "+0400", "GMT-07:00", "-07:00" // 12 Hour Notation $Hour_only_with_meridian = "(?:$hh$space?$meridian)"; // "4 am", "5PM" $Hour_and_minutes_with_meridian = "(?:$hh[.:]$MM$space?$meridian)"; // "4:08 am", "7:19P.M." $Hour_minutes_and_seconds_with_meridian = "(?:$hh[.:]$MM[.:]$II$space?$meridian)"; // "4:08:37 am", "7:19:19P.M." $Hour_minutes_seconds_and_fraction_with_meridian = "(?:$hh:$MM:$II[.:][0-9]+$meridian)"; // "4:08:39:12313am" // 24 Hour Notation $Hour_and_minutes = "($t?$HH[.:]$MM)"; // "04:08", "19.19", "T23:43" $Hour_and_minutes_no_colon = "(?:t?$HH$MM)"; // "0408", "t1919", "T2343" $Hour_minutes_and_seconds = "(?:t?$HH$[.:]$MM[.:]$II)"; // "04.08.37", "t19:19:19" $Hour_minutes_and_seconds_no_colon = "(?:t?$HH$MM$II)"; // "040837", "T191919" $Hour_minutes_seconds_and_timezone = "(?:t?$HH[.:]$MM[.:]$II$space?(?:$tzcorrection|$tz))"; // "040837CEST", "T191919-0700" $Hour_minutes_seconds_and_fraction = "(?:t?$HH[.:]$MM[.:]$II$frac)"; // "04.08.37.81412", "19:19:19.532453" $Time_zone_information = "(?:$tz|$tzcorrection)"; // "CEST", "Europe/Amsterdam", "+0430", "GMT-06:00"