如何解析python中的多个(未知)日期格式?

时间:2011-08-13 05:43:31

标签: python parsing date

我有一堆excel文档,我正在提取日期。我试图将这些转换为标准格式,以便我可以将它们放在数据库中。是否有一个函数我可以抛出这些字符串并获得标准格式?以下是我的数据的一小部分示例:

好消息是我知道它总是月/日

10/02/09
07/22/09
09-08-2008
9/9/2008
11/4/2010
 03-07-2009
09/01/2010

我想将它们全部变成MM / DD / YYYY格式。有没有办法我可以做到这一点,而不是尝试每个模式对着字符串?

4 个答案:

答案 0 :(得分:16)

第三方模块dateutil的函数parse与PHP的strtotime类似:您不需要指定特定的日期格式,它只是尝试了一堆它自己的。

>>> from dateutil.parser import parse
>>> parse("10/02/09", fuzzy=True)
datetime.datetime(2009, 10, 2, 0, 0)  # default to be in American date format

它还允许您指定不同的假设:

  
      
  • dayfirst - 是否将不明确的3整数日期(例如01/05/09)中的第一个值解释为日(True)或月(False)。如果yearfirst设置为True,则区分YDM和YMD。如果设置为None,则从当前parserinfo对象(其本身默认为False)中检索此值。
  •   
  • yearfirst - 是否将不明确的3整数日期(例如01/05/09)中的第一个值解释为年份。如果为True,则第一个数字被视为年份,否则最后一个数字将被视为年份。如果将其设置为None,则从当前parserinfo对象(其本身默认为False)中检索该值。
  •   

答案 1 :(得分:16)

import re

ss = '''10/02/09
07/22/09
09-08-2008
9/9/2008
11/4/2010
03-07-2009
09/01/2010'''


regx = re.compile('[-/]')
for xd in ss.splitlines():
    m,d,y = regx.split(xd)
    print xd,'   ','/'.join((m.zfill(2),d.zfill(2),'20'+y.zfill(2) if len(y)==2 else y))

结果

10/02/09     10/02/2009
07/22/09     07/22/2009
09-08-2008     09/08/2008
9/9/2008     09/09/2008
11/4/2010     11/04/2010
03-07-2009     03/07/2009
09/01/2010     09/01/2010

编辑1

编辑2 :考虑到JBernardo的'{0:0>2}'.format(day)信息,我添加了第4个解决方案,这似乎是最快的

import re
from time import clock
iterat = 100

from datetime import datetime
dates = ['10/02/09', '07/22/09', '09-08-2008', '9/9/2008', '11/4/2010',
         ' 03-07-2009', '09/01/2010']

reobj = re.compile(
r"""\s*  # optional whitespace
(\d+)    # Month
[-/]     # separator
(\d+)    # Day
[-/]     # separator
(?:20)?  # century (optional)
(\d+)    # years (YY)
\s*      # optional whitespace""",
re.VERBOSE)

te = clock()
for i in xrange(iterat):
    ndates = (reobj.sub(r"\1/\2/20\3", date) for date in dates)
    fdates1 = [datetime.strftime(datetime.strptime(date,"%m/%d/%Y"), "%m/%d/%Y")
               for date in ndates]
print "Tim's method   ",clock()-te,'seconds'



regx = re.compile('[-/]')


te = clock()
for i in xrange(iterat):
    ndates = (reobj.match(date).groups() for date in dates)
    fdates2 = ['%s/%s/20%s' % tuple(x.zfill(2) for x in tu) for tu in ndates]
print "mixing solution",clock()-te,'seconds'


te = clock()
for i in xrange(iterat):
    ndates = (regx.split(date.strip()) for date in dates)
    fdates3 = ['/'.join((m.zfill(2),d.zfill(2),('20'+y.zfill(2) if len(y)==2 else y)))
              for m,d,y in ndates]
print "eyquem's method",clock()-te,'seconds'



te = clock()
for i in xrange(iterat):
    fdates4 = ['{:0>2}/{:0>2}/20{}'.format(*reobj.match(date).groups()) for date in dates]
print "Tim + format   ",clock()-te,'seconds'


print fdates1==fdates2==fdates3==fdates4

结果

number of iteration's turns : 100
Tim's method    0.295053700959 seconds
mixing solution 0.0459111423379 seconds
eyquem's method 0.0192239516475 seconds
Tim + format    0.0153756971906 seconds 
True

混合解决方案很有意思,因为它结合了我的解决方案的速度和Tim Pietzcker的正则表达式在字符串中检测日期的能力。

对于结合Tim的一个和使用{:0>2}进行格式化的解决方案,情况更是如此。我无法将{:0>2}与我合并,因为regx.split(date.strip())生成2年或4位数的年份

答案 2 :(得分:10)

如果您不想安装第三方模块,例如dateutil:

import re
from datetime import datetime
dates = ['10/02/09', '07/22/09', '09-08-2008', '9/9/2008', '11/4/2010', ' 03-07-2009', '09/01/2010']
reobj = re.compile(
    r"""\s*  # optional whitespace
    (\d+)    # Month
    [-/]     # separator
    (\d+)    # Day
    [-/]     # separator
    (?:20)?  # century (optional)
    (\d+)    # years (YY)
    \s*      # optional whitespace""", 
    re.VERBOSE)
ndates = [reobj.sub(r"\1/\2/20\3", date) for date in dates]
fdates = [datetime.strftime(datetime.strptime(date,"%m/%d/%Y"), "%m/%d/%Y")
          for date in ndates]

结果:

['10/02/2009', '07/22/2009', '09/08/2008', '09/09/2008', '11/04/2010', '03/07/2009', '09/01/2010']

答案 3 :(得分:4)

您可以使用r'(\d+)\D(\d+)\D(\d+)'这样的正则表达式来获取具有re.findall函数的元组中的月,日和年。

然后将2位数年份与数字2019连接起来,并使用您要加入的分隔符然后返回:

'/'.join(the_list)

蒂姆指出:

要规范化日期,只需执行'{0:0>2}'.format(day),然后执行相同的月份。