言語不問！ 日付を文字列から取得するライブラリ

Question

タイトル通りです。
twitterの投稿から日付を取得したいのですがフォーマットが5月10日や5/10などバラバラなのです。
中身が見えれば言語は問いません。
最悪APIでもいいです。
お願いします。

Answer 1

タグは付け間違いですかね？

require "date"
p Date.parse("5月10日")
p Date.parse("5/10")

require "time"
p Time.parse("5月10日")
p Time.parse("5/10")

5月10日まで自動解析してくれるのはRubyだけな気がします（未確認）。

Comments

[退会済みユーザー]

回答ありがとうございます。
ちょっとあなたの意味とは違います。

[otn]

タイトル通りと言うことだったので、日付文字列から日付データを取得するライブラリのことかと思ったけど、もしかすると、日付文字列を含んだ長い文字列から、日付文字列の部分を抜き出したいと言うことですか？そうだとすると、ライブラリと言うより、正規表現ですね。
/\d{1,2}月\d{1,2}日|\d{1,2}\/\d{1,2}/ とか。

[otn]

すいません。上のコメントは質問の答えになってないですね。
ライブラリとしては、「正規表現ライブラリ」になります。正規表現ライブラリを使った上で（言語によっては正規表現が言語仕様に組み込まれている）、上記のような正規表現を使います。

[退会済みユーザー]

コメントありがとうございます

今はとりあえず100行程度の正規表現の組み合わせで動かしていますが、
今探しているのは正規表現のような甘い判定では無く、
'明日'や'七夕'などを判定できるようなライブラリを探しています。

[otn]

そういうことであれば、質問を書き直した方が良いです。質問文からは想像できません。
抜き出すだけでいいのか、日付データに直す必要があるのかも。

Answer 2

'明日'や'七夕'などを判定できる

日本語の表現と通常(2015/8/14とか)の表現でしょうか？
元旦、月末、週末、祝日なども対象でしょうか？
人や物の名前・・・たとえば、”明日香”などは除外するのですよね？
・・・だとすると、そこまで出来るライブラリは思い当たりません。
英単語なら前後に必ず空白や区切り文字が入りますが、日本語はそうは行きません。
なので、自作するにしてもどこまでやるかを考えなくてはならないと思います。

Comments

[退会済みユーザー]

やっぱ無いんですか
プログラミングコンテストの題材にしようかなと思います

[cateye]

昔htmlのフィルタリングを行った事があります。
その時は、まずタグを除去してコードを変換してテキスト文書にしました。
それから、ＤＢに登録されている語句（日本語、英語）を検索するのですが、日本語の場合は単語が見つかっても、その前後が区切り文字や空白などの検索した文字列とは異質なものである事を確認しないとならなかったりとけっこう苦労した覚えがあります。現在はそのころとは比べ物にならないほどhtmlも進化しています・・・たぶんもう出来ないだろうなぁ・・・
決まった文字列の検索ですらそんな風ですから日付見たいな（笑）文字列を探してそれが日付であると判断するためにはかなりの努力が必要と思います。