我认为这是Coursera文本挖掘作业之一。好了，您可以使用正则表达式并提取以获取解决方案。dates.txt，即
doc = []
with open('dates.txt') as file:
for line in file:
doc.append(line)
df = pd.Series(doc)
def date_sorter():
# Get the dates in the form of words
one = df.str.extract(r'((?:\d{,2}\s)?(?:Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)[a-z]*(?:-|\.|\s|,)\s?\d{,2}[a-z]*(?:-|,|\s)?\s?\d{2,4})')
# Get the dates in the form of numbers
two = df.str.extract(r'((?:\d{1,2})(?:(?:\/|-)\d{1,2})(?:(?:\/|-)\d{2,4}))')
# Get the dates where there is no days i.e only month and year
three = df.str.extract(r'((?:\d{1,2}(?:-|\/))?\d{4})')
#Convert the dates to datatime and by filling the nans in two and three. Replace month name because of spelling mistake in the text file.
dates = pd.to_datetime(one.fillna(two).fillna(three).replace('Decemeber','December',regex=True).replace('Janaury','January',regex=True))
return pd.Series(dates.sort_values())
date_sorter()
输出：
9 1971-04-10
84 1971-05-18
2 1971-07-08
53 1971-07-11
28 1971-09-12
474 1972-01-01
153 1972-01-13
13 1972-01-26
129 1972-05-06
98 1972-05-13
111 1972-06-10
225 1972-06-15
1972年7月31日
171 1972-10-04
191 1972-11-30
486 1973-01-01
335 1973-02-01
415 1973-02-01
36 1973-02-14
405 1973-03-01
323 1973-03-01
422 1973-04-01
375 1973-06-01
380 1973-07-01
345 1973-10-01
57 1973-12-01
481 1974-01-01
436 1974-02-01
104 1974-02-24
299 1974-03-01
如果只想返回索引，则 return pd.Series(dates.sort_values().index)
解析第一个正则表达式
＃?：非捕获组
（（？：\ d {，2} \ s）？＃两位数字组。`？表示在前的令牌或组。此处的2或1数字和空格出现一次或更少。
（？：Jan | Feb | Mar | Apr | May | Jun | Jul | Aug | Sep | Oct | Nov | Dec）[az] *＃组中以任意字母[[]`结尾的单词出现了多次（ *）。
（？：-| \。| \ s |，）＃模式匹配-，。，space
\ s？＃（`？`这里只暗示空格，即前面的标记）
\ d {，2} [az] *＃小于等于两个数字，末尾有任意数量的字母（*）。（例如：可能是1月1日，13日，22日，1月，12月等）。
（？：-|，| \ s）？＃字符-/，/ space可能只出现一次，而由于末尾的'？`可能不会出现
\ s？＃空间可能存在或根本不存在（最大为1）（这里的“？”仅指空间）
\ d {2,4}）＃匹配数字2或4
希望能帮助到你。
602392714
清零编程群