模式匹配來識別日期格式

Question

我的源具有不同的日期格式，如下所示，並尋找一種算法來識別在Pentaho數據與選擇值和模糊步驟集成中嘗試的源日期模式。

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中我們可以通過寫作來實現JS步驟。如果每種模式都有條件，但不是一個好主意，並且這種方法在處理大量記錄時會導致轉換死機，尋找有效的方式來搜索日期模式。

我認爲這是所有ETL項目中非常普遍的問題，在此我試圖瞭解像SAS Data Integration，Informatica，SSIS這樣的企業供應商如何提供簡單的方法來處理。

我們是否有任何算法來識別源模式。如果是這樣的話？

上面列出的格式不受限制。

Answer 1

不能簡單地確定一個「單價」值作爲任何給定輸入的格式。

考慮所有的下列格式完全有效的：

• MM-DD-YY
• DD-MM-YY
• YY-MM-DD

如在規定@billinkc發表評論，在這種情況下你會打電話01-02-05？

只要您考慮了一個數據集（例如，您知道下一個X行全部來自相同的日期格式），那麼您的解決方案就是可以解決的。然後你可以把它看作一個線性問題，並且有一些限制可以幫助你確定日期格式。即使那樣，你也不能保證你會得到明確的答案，只是增加你有一個確定的答案的可能性。