Merge pull request #45 from szegedai/bugfix

Minor improvements

hun_date_parser/__init__.py

@@ -3,4 +3,4 @@
 
 __all__ = ["DatetimeTextualizer", "DatetimeExtractor", "datetime2text", "text2datetime", "text2date", "text2time"]
 
-__version__ = "0.2.7"
+__version__ = "0.2.8"

hun_date_parser/date_parser/date_parsers.py

@@ -121,7 +121,9 @@ def has_month_already_pass(now, month):
             continue
 
         if bool(group[0].strip(" ")):
-            if 'jovo' in remove_accent(group[0]):
+            if ('jovo' in remove_accent(group[0])
+                    # hack
+                    and 'jovok' not in remove_accent(group[0])):
                 group_res['date_parts'].append(Year(now.year + 1, 'named_month'))
             elif 'tavaly' in remove_accent(group[0]):
                 group_res['date_parts'].append(Year(now.year - 1, 'named_month'))

hun_date_parser/date_parser/patterns.py

@@ -2,14 +2,14 @@
 R_MULTI = r'(.*)\bvagy\b(.*)|(.*)\bés\b(.*)'
 
 # schemas
-R_TOLIG = r'(.*-?t[oóöő]l\b)(.*-?ig\b)'
-R_TOL = r'([:\w ]*-?t[oóöő]l\b).*'
+R_TOLIG = r'(.*-?t[oóöő]l\b|.* [oó]ta\b)(.*-?ig\b)'
+R_TOL = r'([:\w ]*-?t[oóöő]l\b|.* [oó]ta\b).*'
 R_IG = r'([:\w ]*-?ig\b)'
 
 # hyper day level patterns
 R_ISO_DATE = r'(\b\d{4,4})(?:[-\\/\. ] ?(1[0-2]|0?[1-9]))?(?:[-\\/\. ] ?(1[0-9]|2[0-9]|3[01]|0?[1-9]))?'
 R_REV_ISO_DATE = r'\b(1[0-9]|2[0-9]|3[01]|0?[1-9])[-\\/\. ] ?(1[0-2]|0?[1-9])[-\\/\. ] ?(\b\d{4,4})'
-R_NAMED_MONTH = r'(j[oöő]v[oöő].*?|tavaly.*?)?(\bjan(?:\b|\.|u[aá]r){1}|\bfeb(?:\b|r\.|\.|ru[aá]r){1}|\bm[aá]r(?:\b|c\b|c\.|\.|cius){1}|\b[aá]pr(?:\b|\.|ilis){1}\b|m[aá]j(?:\b|\.|us){1}|\bj[uú]n(?:\b|\.|ius){1}|\bj[uú]l(?:\b|\.|ius){1}|\baug(?:\b|\.|usztus){1}|\bszep(?:t\b|t\.|\b|\.|tember){1}|\bokt(?:\b|\.|[oó]ber){1}|\bnov(?:\b|\.|ember){1}|\bdec(?:\b|\.|ember))(?: ([1-3][0-9]|[1-9]|egy.{0,5}|kett[őöo].{0,5}|h[aá]rom.{0,5}|n[eée]gy.{0,5}|öt.{0,5}|hat.{0,5}|h[eé]t.{0,5}|nyolc.{0,5}|kilenc.{0,5}|tíz.{0,5}|tizen.{0,10}|huszon.{0,10}|harminc.{0,10}|elsej[eé].{0,5}|második[aá].{0,5}|harmadik[aá].{0,5}|negyedik[eé].{0,5}|ötödik[eé].{0,5}|hatodik[aá].{0,5}|hetedik[eé].{0,5}|nyolcadik[aá].{0,5}|kilencedik[eé].{0,5}|tizedik[eé].{0,5}|tizen.{0,10}|huszadik[aá].{0,5}|huszon.{0,10}|harmincadik[aá].{0,5}))?'
+R_NAMED_MONTH = r'\b(j[oöő]v[oöő].*?|tavaly.*?)?(\bjan(?:\b|\.|u[aá]r){1}|\bfeb(?:\b|r\.|\.|ru[aá]r){1}|\bm[aá]r(?:\b|c\b|c\.|\.|cius){1}|\b[aá]pr(?:\b|\.|ilis){1}\b|m[aá]j(?:\b|\.|us){1}|\bj[uú]n(?:\b|\.|ius){1}|\bj[uú]l(?:\b|\.|ius){1}|\baug(?:\b|\.|usztus){1}|\bszep(?:t\b|t\.|\b|\.|tember){1}|\bokt(?:\b|\.|[oó]ber){1}|\bnov(?:\b|\.|ember){1}|\bdec(?:\b|\.|ember))(?: ([1-3][0-9]|[1-9]|egy.{0,5}|kett[őöo].{0,5}|h[aá]rom.{0,5}|n[eée]gy.{0,5}|öt.{0,5}|hat.{0,5}|h[eé]t.{0,5}|nyolc.{0,5}|kilenc.{0,5}|tíz.{0,5}|tizen.{0,10}|huszon.{0,10}|harminc.{0,10}|elsej[eé].{0,5}|második[aá].{0,5}|harmadik[aá].{0,5}|negyedik[eé].{0,5}|ötödik[eé].{0,5}|hatodik[aá].{0,5}|hetedik[eé].{0,5}|nyolcadik[aá].{0,5}|kilencedik[eé].{0,5}|tizedik[eé].{0,5}|tizen.{0,10}|huszadik[aá].{0,5}|huszon.{0,10}|harmincadik[aá].{0,5}))?'
 R_RELATIVE_MONTH = r'(?:(\blegut[oó]bbi|\butols[oó]|\bmúlt|\but[oó]bbi|\bezen|\bebben|\baktu[aá]lis|\bj[oöő]v[oöő]|\bk[oö]vetkez[oőö]|\bk[oö]vetkezend[oőö]).*)? a?h[oó]nap'
 
 R_WEEKDAY = r'(?:(el[oő]z[oő]|m[uú]lt|ezen|j[oöő]v[oöő]).*)?(h[eé]tf[oő]|kedd|szerd[aá]|cs[uü]t[oö]rt[oö]k|p[eé]ntek|szombat|vas[aá]rnap)'

test/test_datetime_extractor.py

@@ -99,6 +99,11 @@
     ("az idei események", [datetime(2020, 1, 1), datetime(2020, 12, 31, 23, 59, 59)]),
     ("az idén történtek", [datetime(2020, 1, 1), datetime(2020, 12, 31, 23, 59, 59)]),
     ("az ebben az évben történtek", [datetime(2020, 1, 1), datetime(2020, 12, 31, 23, 59, 59)]),
+    ("bejövő hívás májusban", [datetime(2020, 5, 1), datetime(2020, 5, 31, 23, 59, 59)]),
+    ("jövök májusban", [datetime(2020, 5, 1), datetime(2020, 5, 31, 23, 59, 59)]),
+    (" május óta", [datetime(2020, 5, 1), None]),
+    (" május 5 óta", [datetime(2020, 5, 5), None]),
+    (" majus 5 ota", [datetime(2020, 5, 5), None]),
 ]
 
 

test/test_structure_parsers.py

@@ -6,7 +6,11 @@ def test_match_interval():
          ('reggeltől estig', {'start_date': 'reggeltől', 'end_date': 'estig'}),
          ('kedden', {}),
          ('2020 január másodikától jövő év közepéig', {'start_date': '2020 január másodikától', 'end_date': 'jövő év közepéig'}),
+         ('2020 január másodika óta jövő év közepéig',
+          {'start_date': '2020 január másodika óta', 'end_date': 'jövő év közepéig'}),
          ('2020 decemberétől', {'start_date': '2020 decemberétől', 'end_date': 'OPEN'}),
+         ('2020 decembere óta', {'start_date': '2020 decembere óta', 'end_date': 'OPEN'}),
+         ('január 1 óta', {'start_date': 'január 1 óta', 'end_date': 'OPEN'}),
          ('ma reggeltől bármikor', {'start_date': 'ma reggeltől', 'end_date': 'OPEN'}),
          ('egészen péntekig jó lesz', {'start_date': 'OPEN', 'end_date': 'egészen péntekig'}),
          ('2020-10-12-től 2020-11-01-ig', {'start_date': '2020-10-12-től', 'end_date': '2020-11-01-ig'})]