如何处理数据集中的多种日期时间格式？答案

【问题标题】：How to handle multiple datetime-formats within a dataset?如何处理数据集中的多种日期时间格式？
【发布时间】：2020-11-16 04:56:29
【问题描述】：

在一个数据集中，有几个不同的日期时间字符串。

例如：

2020-11-16T06:00:00Z

2020-11-16T06:00:00+01:00

2020-11-16T06:00:00+01:00Z

2020-11-16T06:00:00+02:00

2020-11-16T06:00:00.000Z

我想在几秒钟后替换所有内容，但它给了我错误，例如首先没有给出 +01:00.. 或者其他。

你有什么办法，怎么处理？

如果我能得到，那就足够了：

%Y-%m-%dT%H:%M

（基础知识，如何strp和strf都知道...）

我整晚都在为这个问题争论不休。希望你们中的一个有解决方案...

提前谢谢你！

【问题讨论】：

这些基本上都是IS8601格式的日期时间字符串，见thread
请注意2020-11-16T06:00:00+01:00Z实际上并不正确，Z表示祖鲁时间，但+01:00与此相矛盾
谢谢，我只是想说明不同的时间格式，并没有注意正确的格式。这些只是作为示例。我已经为我的问题找到了一个简单的解决方案，并在本主题的末尾进行了说明。

标签： python python-3.x datetime

【解决方案1】：

Python 有一个标准库来处理这个问题：

import dateutil.parser

examples = [
    '2020-11-16T06:00:00Z',
    '2020-11-16T06:00:00+01:00',
    '2020-11-16T06:00:00+01:00Z',
    '2020-11-16T06:00:00+02:00',
    '2020-11-16T06:00:00.000Z'
]

for e in examples:
    try:
        print(dateutil.parser.parse(e))
    except ValueError:
        print(f'Invalid datetime: {e}')

结果：

2020-11-16 06:00:00+00:00
2020-11-16 06:00:00+01:00
Invalid datetime: 2020-11-16T06:00:00+01:00Z
2020-11-16 06:00:00+02:00
2020-11-16 06:00:00+00:00

@Z4-tier 也为您的示例提供了一个解决方案（但要小心不要只保留字符串的末尾），但 dateutil 也会处理更多奇特的东西：

print(dateutil.parser.parse('15:45 16 Nov 2020'))

结果：

2020-11-16 15:45:00

还要注意这一点：

        print(dateutil.parser.parse(e).tzinfo)

如果您添加它，您会看到dateutil 在结果中包含有关时区的信息，如果您只解析字符串的第一部分，这些信息将会丢失。

【讨论】：

啊，dateutil。好主意。但是为什么它会在2020-11-16T06:00:00+01:00Z 上卡住呢？我认为这是一个有效的 ISO 日期。
不是 - Z 表示祖鲁时间 (UTC+0)，但 +01:00 表示实际上距离祖鲁时间一个小时。

【解决方案2】：

这个怎么样：

import datetime

dates = ['2020-11-16T06:00:00Z',
         '2020-11-16T06:00:00+01:00',
         '2020-11-16T06:00:00+01:00Z',
         '2020-11-16T06:00:00+02:00',
         '2020-11-16T06:00:00.000Z']

for d in dates:
    datetime.datetime.fromisoformat(d[0:19])

由于每个日期在偏移量和时区之前都具有相同的格式，因此只需从字符串中删除该部分并将其转换为 datetime.datetime。

【讨论】：

请注意，您的代码只是忽略了时区指示，因为您只为每个日期字符串解析 [0:19]。
@Grismar 是的，我知道。由于帖子要求%Y-%m-%dT%H:%M，我假设这是可以接受的（如果是，这可能是到达那里的最快方式）。
鉴于示例数据包括+01:00 和+02:00 区域中的时间戳，我打赌 OP 会遇到需要了解差异的情况。毕竟，它们相隔一个小时。

【解决方案3】：

数据集由抓取新闻页面的抓取工具生成。

因此，日期时间首先被抓取为字符串，因此必须在多次不同的情况下进行转换，然后才能执行 strptime。

我找到了解决问题的方法，这受到了你们所有方法的影响。 ''' 日期 = '2020-11-16T06:00:00+01:00' 分裂 = 19 日期 = 日期[:splitat] 日期 '''

这产生了我需要的标准化格式：

'2020-11-16T06:00:00'

【讨论】：

这是我在回答中建议的（d[0:19] 与date[:splitat] 相同）。 StackOverflow 不是一个典型的互联网论坛，因此无需回复只是说“谢谢”。相反，您应该选择一个最能帮助您找到解决方案的答案，然后单击它旁边的复选标记以接受它作为答案。我很高兴您找到了适合您的解决方案！
谢谢（尽管如此，在我看来，礼貌的举止如今到处都变得罕见了 ;-) ）。你介意给我一个提示，在哪里查找你的例子？从我有限的知识来看，我无法意识到 (d[0:19]) 与他迄今为止的行为相似[:splitat]。我想阅读并学习。
您可以寻找涵盖列表和字符串主题的教程。这实际上是一个字符串操作的问题，但在 Python 中，字符串与列表在您可以使用[x:y] 方括号来索引它们的方式方面有很多相似之处。在这种情况下，d[0:19] 与date[:splitat] 相同，因为您可以省略起始索引，它将默认为零。
虽然很多互联网教程都写得不太好，所以如果你真的想要一个写得清晰且编辑得当的地方来学习，我会去买一本来自 o 的入门书籍'赖利。他们有几本 Python 书籍，但“Think Python”可能是一个不错的起点。