セキュリティ新着情報をつぶやくTwitterボットを作っていて困るのが、日付のフォーマットがバラバラなこと。最初は個々にちまちまgsubしてましたが、どうやらDate.parseを使うと簡単にできるようで・・。

フォーマットの例

対象サイトでの日付は以下のような感じ。

サイト名	日付のフォーマット
警察庁サイバー犯罪対策	H29.5.16
警察庁 @police	2017年05月16日
内閣サイバーセキュリティセンター(NISC)	2017.5.16
高度情報通信ネットワーク社会推進戦略本部（ＩＴ総合戦略本部）	H29.5.16
総務省国民のための情報セキュリティサイト	2017/05/16
経済産業省情報セキュリティ政策	2017年05月16日
CRYPTREC	2017/5/16
日本スマートフォンセキュリティ協会(JSSEC)	2017.5.16
フィッシング対策協議会	2017/05/16
重要生活機器連携セキュリティ協議会(CCDS)	2017.05.16
日本情報経済社会推進協会（JIPDEC）	2017年05月16日

対応したいフォーマット

出てきたフォーマットは以下。

YYYY年MM月DD日
HYY.MM.DD
YYYY.MM.DD
YYYY/MM/DD

今後対象サイトを増やすと以下のようなものも出てきそう。

全角数字での表記
平成YY年MM月DD日
YY.MM.DD
YY/MM/DD

ということで、

H29.5.1
2017.5.2
17.5.3
2017/05/04
17/05/05
2017年5月6日
平成29年5月7日
平成２９年５月８日

をDateオブジェクトに変換する。

全角数字を半角数字に変換する

数字のみなら以下のようなtr!で簡単にできるそうで。

s.tr!("０-９", "0-9")

区切り文字を処理する

「.」と「/」はそのままでparseできるため、年・月・日のみ以下のように変換する。

年|月 => .
日 => 削除

和暦を処理する

DateクラスはJIS X 0301形式の和暦を解釈できるそうなので、「平成」を「H」に変換する。

コードと結果

以上の処理をしてDate.parseに渡す。

コードは以下の通り¹。

require 'date'
samples = ["H29.5.1", "2017.5.2", "17.5.3", "2017/05/04", "17/05/05", "2017年5月6日", "平成29年5月7日", "平成２９年５月８日"]

samples.each{|sample|
    sample.tr!("０-９", "0-9")
    sample.gsub!(/年|月|日|平成/, "年" => ".", "月" => ".", "日" => "", "平成" => "H")
    p Date.parse(sample).to_s
}

実行結果は以下。

$ ruby test.rb 
"2017-05-01"
"2017-05-02"
"2017-05-03"
"2017-05-04"
"2017-05-05"
"2017-05-06"
"2017-05-07"
"2017-05-08"

参考

最後の日付が半角数字になっていますが、コード上は全角数字です。 ↩

いろいろなフォーマットの日付をDateオブジェクトに変換する