模式匹配来识别日期格式

Question

我的源具有不同的日期格式，如下所示，并寻找一种算法来识别在Pentaho数据与选择值和模糊步骤集成中尝试的源日期模式。

日期列（串）
“20150210”
“20050822--”
“2014-02-五月”
“20051509--”
“02月2014年”
“2013 -MAY-12"
“12DEC2013”​​
“15050815”
“五月-02-2014”
“12312015”

我知道，在PDI中我们可以通过写作来实现JS步骤。如果每种模式都有条件，但不是一个好主意，并且这种方法在处理大量记录时会导致转换死机，寻找有效的方式来搜索日期模式。

我认为这是所有ETL项目中非常普遍的问题，在此我试图了解像SAS Data Integration，Informatica，SSIS这样的企业供应商如何提供简单的方法来处理。

我们是否有任何算法来识别源模式。如果是这样的话？

上面列出的格式不受限制。

Answer 1

不能简单地确定一个“单价”值作为任何给定输入的格式。

考虑所有的下列格式完全有效的：

• MM-DD-YY
• DD-MM-YY
• YY-MM-DD

如在规定@billinkc发表评论，在这种情况下你会打电话01-02-05？

只要您考虑了一个数据集（例如，您知道下一个X行全部来自相同的日期格式），那么您的解决方案就是可以解决的。然后你可以把它看作一个线性问题，并且有一些限制可以帮助你确定日期格式。即使那样，你也不能保证你会得到明确的答案，只是增加你有一个确定的答案的可能性。