pyunit_time package

Submodules

pyunit_time.nlptimes module

class pyunit_time.nlptimes.CharactersTime(time_base=None, prefer_future=False)[source]

Bases: object

大型正则解析时间

parse(target) → list[source]

解析时间

pyunit_time.timeunit module

class pyunit_time.timeunit.RangeTimeEnum[source]

Bases: object

一天大概范围时间

afternoon = 15
day_break = 3
early_morning = 8
lateNight = 20
midNight = 23
morning = 10
classmethod name(names)[source]

根据名字获取数据

night = 18
noon = 12
class pyunit_time.timeunit.TimePoint[source]

Bases: object

标记时间类型

class pyunit_time.timeunit.TimeUnit(exp_time, normalizer, context)[source]

Bases: object

时间解析

static add_time(cur, fore_unit: int)[source]

修改日期

Parameters:
  • cur – 当前日期
  • fore_unit – 修改属性
Returns:

修改好的日期

check_context_time(check_time_index)[source]

根据上下文时间补充时间信息

static china_24_st(year: int, china_st: str)[source]

二十世纪和二十一世纪,24节气计算

daytime(rule, name)[source]

预测一天是在什么时候

预测情况包括:

day_break = 3 # 黎明

early_morning = 8 # 早

morning = 10 # 上午

noon = 12 # 中午、午间

afternoon = 15 # 下午、午后

night = 18 # 晚上、傍晚

lateNight = 20 # 晚、晚间

midNight = 23 # 深夜

Parameters:
  • rule – 预测情况的正则
  • name – 预测的名字
static gen_span(days, seconds)[source]

根据毫秒获取时分秒

static gen_time(unit)[source]

得到时间

get_date()[source]

获取当前日期,并转为标准日期格式

modify_time_base()[source]

该方法用于更新timeBase使之具有上下文关联性

设置当前时间相关的时间表达式

norm_set_day()[source]

该方法识别时间表达式单元的日字段

norm_set_hour()[source]

该方法识别时间表达式单元的时字段

norm_set_lunar_holiday()[source]

识别农历节日和时节

norm_set_minute()[source]

该方法识别时间表达式单元的分字段

norm_set_month()[source]

该方法识别时间表达式单元的月字段

norm_set_month_fuzzy_day()[source]

兼容模糊写法:该方法识别时间表达式单元的月、日字段

norm_set_second()[source]

添加了省略秒说法的时间:如17点15分32

norm_set_solar_holiday()[source]

识别阳历节日

设置时间长度相关的时间表达式

norm_set_special()[source]

该方法识别特殊形式的时间表达式单元的各个字段

norm_set_year()[source]

该方法识别时间表达式单元的年字段

prefer_future(check_time_index)[source]

如果用户选项是倾向于未来时间,检查check_time_index所指的时间是否是过去的时间,如果是的话,将大一级的时间设为当前时间的+1。

如在晚上说“早上8点看书”,则识别为明天早上; 12月31日说3号买菜,则识别为明年1月的3号。

prefer_future_week(weekday, cur)[source]

预测下一个周的时间

Parameters:
  • weekday – 星期几
  • cur – 当前时间
Returns:

预测的时间

time_normalization()[source]

时间解析

Module contents