File size: 5,201 Bytes
da88570 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 |
# import dateutil
# from dateparser import DateDataParser
# import re
#
# def normalize_data(input):
# def normalize_dates(input_text):
# # RegEx für deutsche Datumsformate
# date_pattern = r"""
# (?:
# (?:\d{1,2}(?:\.|\\\.)?\s*) # Tag (z. B. 15, 15. oder 15\.)
# (?:Januar|Februar|März|April|Mai|Juni|Juli|August|September|Oktober|November|Dezember|
# Jan|Feb|Mär|Apr|Mai|Jun|Jul|Aug|Sep|Okt|Nov|Dez)\.? # Monatsname (mit optionalem Punkt)
# \s* # optionaler Leerraum
# (?:\d{2,4})? # Jahr (optional, z. B. 2025 oder 20)
# )|
# (?: # Alternative für numerische Formate
# \d{1,2}(?:\.|\\\.|/|-)\d{1,2}(?:\.|\\\.|/|-)(?:\d{4}|\d{2}) # DD.MM.YYYY, DD-MM-YYYY, DD/MM/YY
# )|
# (?: # ISO-Format (YYYY-MM-DD oder YY-MM-DD)
# \d{2,4}(?:\.|\\\.|/|-)\d{1,2}(?:\.|\\\.|/|-)\d{1,2}
# )
# """
#
# # Kompiliere das Muster mit re.VERBOSE
# compiled_pattern = re.compile(date_pattern, re.VERBOSE)
#
# # Finde alle Datumsangaben
# matches = compiled_pattern.findall(input_text)
#
# # Instanziiere DateDataParser
# ddp = DateDataParser()
#
# # Ersetze die gefundenen Datumsangaben mit dem normalisierten Format
# for match in matches:
# try:
# # Parse das Datum
# date_data = ddp.get_date_data(match)
# if date_data.date_obj.year is None:
# normalized_date = date_data.date_obj.strftime("%d.%m") # Ohne Jahr
# else:
# normalized_date = date_data.date_obj.strftime("%d.%m.%Y") # Mit Jahr
# # Ersetze das Originaldatum durch das normalisierte Datum
# input_text = input_text.replace(match, normalized_date)
# except Exception as e:
# print(f"Fehler bei der Verarbeitung von '{match}': {e}")
#
# # Regex für '20. und 21.03.2025' oder ähnliche Formate
# date_pattern = r"(\d{1,2})\.?\s*und\s*(\d{1,2})\.(\d{1,2})\.(\d{4})"
#
# # Ersetze alle Vorkommen von '20. und 21.03.2025' durch '20.03.2025 und 21.03.2025'
# input_text = re.sub(date_pattern, r"\1.\3.\4 und \2.\3.\4", input_text)
#
# # Regex für '20. und 21.03.2025' oder ähnliche Formate
# date_pattern = r"(\d{1,2})\.\s*(bis|-)\s*(\d{1,2})\.(\d{1,2})\.(\d{4})"
#
# # Ersetze alle Vorkommen von '20. und 21.03.2025' durch '20.03.2025 und 21.03.2025'
# input_text = re.sub(date_pattern, r"\1.\4.\5 - \3.\4.\5", input_text)
#
# # Ersetze 20.02.2024 bis (zum) 22.02.204 mit 20.02.2024 - 22.02.204
# date_pattern = r"(\d{2})\.(\d{2})\.(\d{4})\s*(bis|-)\s*(zum)?\s*(\d{2})\.(\d{2})\.(\d{4})"
# input_text = re.sub(date_pattern, r"\1.\2.\3 - \6.\7.\8", input_text)
#
# return input_text
#
# def normalize_times(input_text):
# # Regex für Zeitangaben
# time_patterns = r"""
# \b
# (\d{1,2}) # Stunde (z.B. 19 oder 5)
# (?:
# [:.] # Trennzeichen (Doppelpunkt oder Punkt)
# (\d{2}) # Minuten (optional)
# )?
# (?:\s*(?:Uhr|h))? # Optional "Uhr" oder "h", nur bei Minuten oder Kontext
# (?: # Optionaler Zeitbereich (z.B. 19-20 oder 19 bis 20)
# \s?(?:-|bis)\s? # Trennzeichen "-" oder "bis"
# (\d{1,2}) # Endzeit-Stunde
# (?:
# [:.] # Trennzeichen (Doppelpunkt oder Punkt)
# (\d{2}) # Endzeit-Minuten (optional)
# )?
# # Optional "Uhr" oder "h" bei Endzeit
# )?
# \s*(?:Uhr|h)
# \b
# """
#
# # Funktion, um Matches zu parsen und zu ersetzen
# def format_time(match):
# # Startzeit
# start_hour = int(match.group(1))
# start_minute = int(match.group(2) or 0)
# formatted_start = f"{start_hour:02}:{start_minute:02}"
#
# # Endzeit
# if match.group(3):
# end_hour = int(match.group(3))
# end_minute = int(match.group(4) or 0)
# formatted_end = f"{end_hour:02}:{end_minute:02}"
# return f"{formatted_start}-{formatted_end}" # Zeitbereich
# return formatted_start # Nur Startzeit
#
# # Kompiliere Regex mit re.VERBOSE
# compiled_pattern = re.compile(time_patterns, re.VERBOSE)
#
# # Ersetze alle gefundenen Zeitangaben im Text
# replaced_text = compiled_pattern.sub(format_time, input_text)
# return replaced_text
#
# def normalize_text(input_text):
# return re.sub(r"(\d)([a-zA-Z])", r"\1 \2", input_text)
#
# normalized_data = normalize_times(input)
# normalized_data = normalize_dates(normalized_data)
# normalized_data = normalize_text(normalized_data)
# return normalized_data
#
#
#
|