Como extrair data de URL ou nome de arquivo?

Extrair datas de URLs ou nomes de arquivos é uma tarefa comum em automação de processos e limpeza de dados. Este método é o mais eficaz porque combina expressões regulares flexíveis com funções nativas do sistema operacional, permitindo extrair datas em diversos formatos com poucas linhas de código.

Pré-requisitos

• Python 3.8+ instalado no sistema
• Acesso a um terminal ou prompt de comando
• Conhecimento básico de navegação em diretórios

Extrair data de URL com Python

Para extrair datas de URLs, usamos expressões regulares para identificar padrões comuns de datas. O script abaixo reconhece datas no formato YYYY-MM-DD, DD-MM-YYYY e MM-DD-YYYY.

import re

def extrair_data_url(url):
    padroes = [
        r'(\d{4})[-/](\d{2})[-/](\d{2})',  # YYYY-MM-DD ou YYYY/MM/DD
        r'(\d{2})[-/](\d{2})[-/](\d{4})',  # DD-MM-YYYY ou DD/MM/YYYY
        r'(\d{2})[-/](\d{2})[-/](\d{2})'   # MM-DD-YY ou MM/DD/YY
    ]
    
    for padrao in padroes:
        match = re.search(padrao, url)
        if match:
            return '-'.join(match.groups())
    
    return None

# Exemplo de uso
url = "https://site.com/2024/03/15/arquivo.pdf"
print(extrair_data_url(url))  # Saída: 2024-03-15

Extrair data do nome de arquivo no Windows

No Windows, podemos usar o PowerShell para extrair datas de nomes de arquivos. O comando abaixo lista todos os arquivos em um diretório e extrai datas no formato YYYY-MM-DD do nome do arquivo.

Get-ChildItem -Path "C:\seu_diretorio" | ForEach-Object {
    $nome = $_.Name
    $data = [regex]::Match($nome, '\d{4}-\d{2}-\d{2}')
    if ($data.Success) {
        [PSCustomObject]@{
            Arquivo = $nome
            Data = $data.Value
        }
    }
}

Extrair data do nome de arquivo no Linux/Mac

No Linux ou Mac, usamos o comando find combinado com o grep para extrair datas de nomes de arquivos. Este método é particularmente útil para processar grandes volumes de arquivos.

find /caminho/para/diretorio -type f -name "*20[0-9][0-9]-[0-9][0-9]-[0-9][0-9]*" | while read arquivo; do
    data=$(echo "$arquivo" | grep -oE '[0-9]{4}-[0-9]{2}-[0-9]{2}')
    echo "Arquivo: $arquivo | Data: $data"
done

Exemplo Prático

Entrada	Saída Esperada
https://site.com/2024/03/15/documento.pdf	2024-03-15
relatorio_15-03-2024.xlsx	2024-03-15
backup_2024.03.15.zip	2024-03-15
https://site.com/03/15/2024/imagem.jpg	2024-03-15

Conclusão

Com este método, você automatiza a extração de datas de URLs e nomes de arquivos em segundos, evitando erros manuais e garantindo consistência nos dados. A combinação de expressões regulares e comandos nativos do sistema operacional oferece uma solução robusta e adaptável a diferentes formatos de data.