diff --git a/README.md b/README.md index 9393b90..b97b45a 100644 --- a/README.md +++ b/README.md @@ -45,8 +45,9 @@ # {'type': 'time_point', 'definition': 'accurate', 'time': ['2003-02-15 00:00:00', '2003-02-15 23:59:59']} ``` -- 目前支持年月日、星期、季节、季度、节日、农历等解析 +- 目前支持年、月、日、星期、季节、季度、节日、农历、时间范围、模糊时间代词等解析 - TODO: 周期性时间、时分秒、时间段。敬请期待 +- [关于**时间解析**](../../wiki/时间解析-说明文档) ## 安装 Installation diff --git a/jionlp/gadget/time_parser.py b/jionlp/gadget/time_parser.py index b9fb6d5..de91a61 100644 --- a/jionlp/gadget/time_parser.py +++ b/jionlp/gadget/time_parser.py @@ -72,7 +72,7 @@ r'(\d0|[一二三四五六七八九]十)年代([初中末](期)?|前期|后期)?') # `农历年、月、日`：二〇一七年农历正月十九 -# 强制农历 日 必须为汉字，不可为阿拉伯数字，容易引起混淆 +# 强制农历 `日` 必须为汉字，不可为阿拉伯数字，容易引起混淆 LUNAR_YEAR_MONTH_DAY_PATTERN = re.compile( # 基本农历判定正则（已废弃） # '(农历)?(([一二三四五六七八九零〇]{2}|[一二三四五六七八九零〇]{4}|[12]\d{3}|\d{2})年)?' @@ -94,6 +94,25 @@ r'((初|(二)?十|廿)[一二三四五六七八九]|[二三]?十)|' # 农历九月初十 r'(农历)((初|(二)?十|廿)[一二三四五六七八九]|[二三]?十)') # 农历初十 +LUNAR_LIMIT_YEAR_MONTH_DAY_PATTERN = re.compile( + # 非强制也可，根据 `日` 得知为农历日期 + r'(农历)?((前|今|明|去|同|当|后|大前|本|次)年)' + r'(农历)?((闰)?([正一二三四五六七八九十冬腊]|十[一二]|[1-9]|1[012])月)?' + r'([初廿][一二三四五六七八九十])|' # 2012年9月初十/9月初十/初十 + + # 非强制也可，根据 `月` 得知为农历日期 + r'((前|今|明|去|同|当|后|大前|本|次)年)' + r'(农历)?(((闰)?[正冬腊]|闰([一二三四五六七八九十]|十[一二]|[1-9]|1[012]))月)' + r'((初|(二)?十|廿)[一二三四五六七八九]|[初二三]十)?|' # 2012年冬月/2012年冬月初十/冬月初十/冬月 + + # 强制标明农历，原因在于农历和公历的混淆，非常复杂 + r'(农历)((前|今|明|去|同|当|后|大前|本|次)年)|' # 农历二〇一二年 + r'(农历)((前|今|明|去|同|当|后|大前|本|次)年)' + r'((闰)?([正一二三四五六七八九十冬腊]|十[一二]|[1-9]|1[012])月)|' # 农历二零一二年九月 + r'((前|今|明|去|同|当|后|大前|本|次)年)' + r'(农历)((闰)?([正一二三四五六七八九十冬腊]|十[一二]|[1-9]|1[012])月)') # 二零一二年农历九月 + + # 年、（农历）季节 YEAR_LUNAR_SEASON_PATTERN = re.compile( r'(([一二三四五六七八九零〇]{2}|[一二三四五六七八九零〇]{4}|[12]\d{3}|\d{2})年)?' @@ -450,6 +469,7 @@ def parse_time_point(self, time_string, time_base_handler): self.parse_year_fixed_solar_festival, self.parse_year_fixed_lunar_festival, self.parse_year_regular_solar_festival, + self.parse_lunar_limit_year_month_day, self.parse_limit_year_month_day, self.parse_blur_year, self.parse_lunar_year_month_day, # 汉字优先按农历解析 @@ -1328,6 +1348,88 @@ def normalize_lunar_year_month_day(self, time_string): return first_time_handler, second_time_handler, 'time_point', 'accurate' + def parse_lunar_limit_year_month_day(self, time_string): + """按照 `农历限定年、月、日`进行解析，与 normalize_lunar_limit_year_month_day 配套使用 + + :param time_string: + :return: + """ + searched_res = LUNAR_LIMIT_YEAR_MONTH_DAY_PATTERN.search(time_string) + if searched_res: + logging.info(''.join(['matched: ', searched_res.group(), + '\torig: ', time_string])) + first_time_handler, second_time_handler, time_type, blur_time = \ + self.normalize_lunar_limit_year_month_day(time_string) + + return first_time_handler, second_time_handler, time_type, blur_time + else: + return None + + def normalize_lunar_limit_year_month_day(self, time_string): + """ 解析 农历限定年、月、日 时间 + + :return: + """ + lunar_year_pattern = YEAR_PATTERNS[4] + lunar_month_pattern = MONTH_PATTERNS[4] + lunar_day_pattern = DAY_PATTERNS[1] + + lunar_year = lunar_year_pattern.search(time_string) + lunar_month = lunar_month_pattern.search(time_string) + lunar_day = lunar_day_pattern.search(time_string) + + lunar_time_point = TimePoint() + + if lunar_year: + lunar_year_string = lunar_year.group(1) + if '大前' in lunar_year_string: + lunar_time_point.year = self.time_base_handler[0] - 3 + elif '前' in lunar_year_string: + lunar_time_point.year = self.time_base_handler[0] - 2 + elif '去' in lunar_year_string: + lunar_time_point.year = self.time_base_handler[0] - 1 + elif '今' in lunar_year_string or '同' in lunar_year_string or '当' in lunar_year_string or '本' in lunar_year_string: + lunar_time_point.year = self.time_base_handler[0] + elif '明' in lunar_year_string or '次' in lunar_year_string: + lunar_time_point.year = self.time_base_handler[0] + 1 + elif '后' in lunar_year_string: + lunar_time_point.year = self.time_base_handler[0] + 2 + else: + raise ValueError('The given time string `{}` is illegal.'.format(time_string)) + + else: + raise ValueError('There is a bug for `{}`.'.format(time_string)) + + leap_month = False + if lunar_month: + lunar_month_string = lunar_month.group(1) + if '闰' in lunar_month_string: + leap_month = True + lunar_month_string = lunar_month_string\ + .replace('正', '一').replace('冬', '十一').replace('腊', '十二').replace('闰', '') + lunar_month_string = self._char_num2num(lunar_month_string) + + lunar_time_point.month = lunar_month_string + + if lunar_day: + # (初|(二)?十|廿)[一二三四五六七八九]|(二|三)?十)? + lunar_day_string = lunar_day.group(0) + lunar_day_string = lunar_day_string\ + .replace('初', '').replace('廿', '二十') + lunar_day_string = self._char_num2num(lunar_day_string) + + lunar_time_point.day = lunar_day_string + + lunar_time_handler = lunar_time_point.handler() + + # 对农历日期的补全 + lunar_time_handler = TimeParser.time_completion(lunar_time_handler, self.time_base_handler) + + first_time_handler, second_time_handler = self._convert_lunar2solar( + lunar_time_handler, leap_month=leap_month) + + return first_time_handler, second_time_handler, 'time_point', 'accurate' + def parse_year_24st(self, time_string): """按照`年、节气`进行解析，与 normalize_year_24st 配套使用 diff --git a/test/test_time_parser.py b/test/test_time_parser.py index 7457bfa..b611d49 100644 --- a/test/test_time_parser.py +++ b/test/test_time_parser.py @@ -115,6 +115,9 @@ def test_time_parser(self): ['闰4月', {'year': 2020}, {'type': 'time_point', 'definition': 'accurate', 'time': ['2020-05-23 00:00:00', '2020-06-20 23:59:59']}], ['廿一', {'year': 2021, 'month': 5}, {'type': 'time_point', 'definition': 'accurate', 'time': ['2021-06-30 00:00:00', '2021-06-30 23:59:59']}], ['正月', {'year': 2021, 'month': 5}, {'type': 'time_point', 'definition': 'accurate', 'time': ['2021-02-12 00:00:00', '2021-03-12 23:59:59']}], + ['去年五月初五', {'year': 2021}, {'type': 'time_point', 'definition': 'accurate', 'time': ['2020-06-25 00:00:00', '2020-06-25 23:59:59']}], + ['后年九月廿二', {'year': 2021}, {'type': 'time_point', 'definition': 'accurate', 'time': ['2023-11-05 00:00:00', '2023-11-05 23:59:59']}], + ['明年腊月', {'year': 2021}, {'type': 'time_point', 'definition': 'accurate', 'time': ['2022-12-23 00:00:00', '2023-01-21 23:59:59']}], # 年、节气 ['2017年大寒', time.time(), {'type': 'time_point', 'definition': 'accurate', 'time': ['2018-01-20 00:00:00', '2018-01-20 23:59:59']}],