README

Natural Date Parsing for German

oder frei übersetzt

Parsen von Datumsangaben im natürlichen Deutsch

Warum

Ich bin über einige Bibliotheken, die es einem ermöglichen natürliche Datumsangaben, also Datumsangaben, die (eher) im alltäglichen Miteinander benutzt werden, für Maschinen lesbar zu machen.

• Chronic Ruby
• Natty Java, basierend auf ANTLR
• Datejs JavaScript, letztes Release Nov 2007

Alle sind aber für den englischsprachigen Raum ausgelegt. Ich brauchte aber eine die mit deutschen Angaben zurecht kommt und auf dem Client ausgeführt werden kann.

Also habe ich eine Grammatik für PEG.js, einen Parser-Generator für Java-Script geschrieben, die mit den folgenden Eingaben etwas anfangen kann und in eine JavaScript Date Objekt umwandelt.

Entwicklung

Man benötigt

• node.js
• npm
• PEG.js

Zum Erstellen

git clone git@github.com:platzhaltr/datr.js.git
cd datr.js
npm install
make

Nur zum Kompilieren der Grammatik und Quelltexte

make build

Erstellen einer Distribution (uglified/minified), nach der Kompilierung:

make dist

Benutzung

Im Moment versteht der Parser nur Kleinbuchstaben in allen Angaben. Der Grund ist, dass die Syntax in PEG.js 0.6 zur Handhabung von Groß- und Kleinschreibung ziemlich umständlich ist.

Das Kern-Modul wandelt daher alle Eingabedaten zunächst transparent für den Endnutzer in Kleinbuchstaben um.

Datum

Der Parser kann im Moment folgenden Datumsangaben verarbeiten

Formelle Datumsangaben

• 5.12.
• 25.03.2012
• 25.3.2012
• 25.03.12
• 25.3.12
• 1.10.2012

Informelle Datumsangaben

• 31. april 2009
• 1. januar
• am 15.
• am 20. april

Relative Datumsangaben

• nächsten donnerstag
• letzten mittwoch
• morgen
• gestern
• vorgestern
• nächste woche
• letzte woche
• letzte woche donnerstag
• vor 3 tagen
• in 2 wochen
• in 4 wochen montag
• vor 2 wochen
• vor 3 wochen mittwoch
• in 3 wo mo
• vor 2 monaten
• vor 2 jahren
• in 5 jahren

Zeit

Darüber hinaus versteht der Parser folgende Zeitangaben, die zusätzlich, also mit den Datumsangaben zusammen (es gibt vereinzelte Ausnahmen) verarbeitet werden:

Formelle Zeitangaben

• 1:10
• 06:00
• 23:48

Informelle Zeitangaben

• 18 uhr
• 18 uhr 30
• um 10
• um 22:40

Unscharfe Zeitangaben

• gestern mittag
• gestern abend
• morgen früh
• morgen früh um 10
• morgen abend um 8:30
• morgen abend um 20:15

Relative Zeitangaben

• vor 3 stunden
• in 20 minuten

Konfiguration

Der Parser kann ein Feld mit dem Bezeichner fuzzytime zurückliefern. Die Konfiguration setzt diese unscharfe Zeitangabe dann in spezifische Uhrzeiten um:

"times": {
	"morning": "9:00"
	"noon": "12:00"
	"afternoon": "15:00"
	"evening": "19:00"
	"night": "23:00"
}

In Abhängigkeit von der Einsetzung der Bibliothek können die Felder weekday, hour und minute anders interpretiert werden.

Zum Beispiel kann die Bibliothek in einem Umfeld genutzt werden in dem Einkäufe und Ausgaben augeschrieben und nachverfolgt werden. Wenn der Benutzer dienstag als Teil seiner Eingabe benutzt bezieht er sich normalerweise auf den letzten Dienstag.

Ein anderes Beispiel wäre eine Anwendung mit der Termine orgabnisiert werden, dort würde sich dienstag im Standardfall auf den nächsten Dienstag beziehen.

Dieselbe Aussage kann man für die Zeit treffen. Die folgenden Einstellungen können genutzt werden um den Fokus zu setzen.

"focus": {
	"weekday": ["past|future"] // defaults to future
	"time": ["past|future"] // defaults to future
}

In manchen Fällen ist es hilfreich eine Toleranz bzw. grace Periode zu nutzen bevor die Fokus-Einstellung greift. Das macht zum Beispiel in der Terminorganisation Sinn. Wenn es 17:58 ist, ist bei der Eingabe von 18:00 wahrscheinlich morgen um 18:00 gemeint und nicht heute.

"grace" {
	"hours": "x",	// defaults to 0
	"minutes": "x"	// defaults to 0
}

Standards

• Deutsche Norm DIN 5008:2011-04 (Absatz 9.4) Schreib- und Gestaltungsregeln für die Textverarbeitung
• Internationale Norm ISO 8601:2004-12 Data Data elements and interchange formats - Information interchange - Representation of dates and times

Probleme

vor/in x Wochen <Wochentag>

Es steht noch die Frage aus auf welches Datum man sich bezieht, wenn man Aussagen wie "in 4 Wochen Montag" trifft.

Als Beispiel:

Sagen wir es ist Samstag, der 24. März 2012. Ist dann der 16. April oder der 23. April gemeint.

Dasselbe Problem existiert, wenn man in die Vergangenheit schaut. Was ist, wenn beispielsweise Mittwoch, der 21. März ist. Dann kann man "vor drei Wochen Donnerstag" als 1. März oder 8. März interpretieren.

<Wochentag>, in x Wochen nicht parsbar

Aussagen wie

• Montag in drei Wochen
• Mittwoch, vor 2 Wochen
• der Samstag vor 3 Wochen

sind im Moment nicht parsbar