我们在公司创建的服务可从客户和客户的通信中提取法律事实。 该服务源于一个简单的想法-我的固定客户决定简化经理的工作并创建“合同生成器”。 我们的第一个任务-将客户和客户的详细信息纳入合同中，我们轻松决定。
第二个想法出现了-在信函中查找日期并将其自动插入到职责范围中，即文档。
但是，人们很少在聊天和即时通讯程序中写日期，以便算法可以轻松识别它们。
“我们下周开始”，“这个星期五”-如果经理相对容易学习如何以正确的格式写日期，那么您就不能对客户提出这样的要求。
我用python编写，并且python立即进入了救援NLP库spaCy *-NER（名称实体识别）模块，该模块可以轻松地从与英语客户的通信中检索日期。 结果，我们得到了一堆相对日期：“两周内”，“星期五”，“这个星期五”，“今天中午”，“星期二中午”。
但是如何将这些日期转换为服务可以感知的对象（datetime对象）？
在“人类可读的日期解析”领域开始了漫长的旅程。 观察周围的环境，我发现只有三个可以立即运行且不受折磨的python库：timefhuman **，dateparser ***和datefinder ***。
图为三个库的比较：
总的来说，很明显，尽管有很多误报，但与大多数人使用的dateparser相比，时光人更容易使用，而不会被注意力所破坏。
开发人员解析“星期五”的有趣逻辑是，在timefhuman情况下给出了未来的星期五，而在日期解析器中给出了最后一个星期五。
总的来说，timefhuman更加活跃，因此被选择用于原型的进一步开发和测试。
*
spacy.io**
github.com/alvinwan/timefhuman***
github.com/scrapinghub/dateparser****
github.com/akoumjian/datefinder