parse date

dates.txt

======== parsing pdf =======
woensdag 2 januari 2019
dinsdag 31 december 2019
vrijdag 31 december 2021
vrijdag 31 december 2021
donderdag 6 december 2018                 Om 23:59
vrijdag 7 december 2018                Vóór 23:59
maandag 10 december 2018                 Vóór 23:59
woensdag 12 december 2018                Vóór 23:59
maandag 31 december 2018
======== parsing pdf =======
maandag 7 januari 2019
dinsdag 30 april 2019
donderdag 30 april 2020
donderdag 6 december 2018                Om 23:59
vrijdag 7 december 2018               Vóór 23:59
maandag 10 december 2018                Vóór 23:59
woensdag 12 december 2018               Vóór 23:59
maandag 31 december 2018
======== parsing pdf =======
dinsdag 1 januari 2019
donderdag 28 februari 2019
donderdag 31 december 2020
donderdag 31 december 2020
donderdag 6 december 2018              Om 23:59
vrijdag 7 december 2018              Vóór 23:59
maandag 10 december 2018              Vóór 23:59
woensdag 12 december 2018             Vóór 23:59
maandag 31 december 2018
======== parsing pdf =======
maandag 11 februari 2019
dinsdag 31 december 2019
zaterdag 31 december 2022
donderdag 17 januari 2019                Om 23:59
vrijdag 18 januari 2019                Vóór 23:59
maandag 21 januari 2019                 Vóór 23:59
woensdag 23 januari 2019                Vóór 23:59
donderdag 7 februari 2019
======== parsing pdf =======
maandag 11 februari 2019
dinsdag 31 december 2019
vrijdag 31 december 2021
vrijdag 31 december 2021
donderdag 17 januari 2019                Om 23:59
vrijdag 18 januari 2019               Vóór 23:59
maandag 21 januari 2019                Vóór 23:59
donderdag 24 donderdag 2019              Vóór 23:59
donderdag 7 februari 2019

parse_date.py

import sys
import datetime

class UnableToParse(Exception):
    pass

trans_day = {
        'zondag': 0,
        'maandag': 1,
        'dinsdag': 2,
        'woensdag': 3,
        'donderdag': 4,
        'vrijdag': 5,
        'zaterdag': 6,
        }

trans_month = {
        'januari': 1,
        'februari': 2,
        'maart': 3,
        'april': 4,
        'mei': 5,
        'juni': 6,
        'juli': 7,
        'augustus': 8,
        'september': 9,
        'oktober': 10,
        'november': 11,
        'december': 12,
    }


def get_day_name(raw_item):
    try:
        return raw_item[0]
    except IndexError:
        raise UnableToParse


def get_day_week(raw_item):
    try:
        return trans_day[raw_item[0]]
    except KeyError:
        raise UnableToParse


def get_day(raw_item):
    try:
        return int(raw_item[1])
    except (IndexError, ValueError):
        raise UnableToParse


def get_month_name(raw_item):
    try:
        return raw_item[2]
    except IndexError:
        raise UnableToParse


def get_month(raw_item):
    try:
        return trans_month[raw_item[2]]
    except KeyError:
        raise UnableToParse

def get_year(raw_item):
    try:
        return int(raw_item[3])
    except (IndexError, ValueError):
        raise UnableToParse


def parse_item(line):
    raw_item = line.split()
    try:
        return {
                'day_name': get_day_name(raw_item),
                'day_week': get_day_week(raw_item),
                'day': get_day(raw_item),
                'month_name': get_month_name(raw_item),
                'month': get_month(raw_item),
                'year': get_year(raw_item),
            }
    except UnableToParse:
        return None


def valid_lines(filename):
    for line in (i for i in open(filename)):
        if len(line) < 10:
            continue
        if '====' in line:
            continue
        if 'parsing' in line:
            continue

        yield line

# validation not yet used
def valid_day_of_month(i):
    return i['number'] < 32  # TODO extend with last day of month check


if __name__ == '__main__':
    filename= sys.argv[sys.argv.index('-f')+1] if '-f' in sys.argv else 'dates.txt'
    for line in valid_lines(filename):
        item = parse_item(line)
        if item is None:
            print(line)
        else:
            date = datetime.datetime(year=item['year'], month=item['month'], day=item['day'])
            print(date.isoformat())