python处理其他时间日期格式为yyyy-MM-dd HH:mm:ss格式

  这篇只针对目标格式为yyyy-MM-dd HH:mm:ss的，有其它需求的就不用看啦~

  今天被提了个要求要统一爬取过来的某日期字段为yyyy-MM-dd HH:mm:ss格式。一看才发现原来存储的日期格式五花八门的，几乎什么样子的都有，所以下面我对不同情况用不同的方法去处理。发现所有数据主要就两大类，做个总结：

一、原数据是其他五花八门的时间格式，如2021，2016-02-24，2016/02/24  2016-02，2018/1等，我们可以直接使用强大的pandas库。

可以用

date = str(pd.to_datetime(date, format='%Y/%m/%d'))

  比如：原date=2021，处理后date=2021-01-01 00:00:00

  可以发现通过pandas的这个方法，会自动用默认值补齐月份和时分秒。给的数据缺少什么，就会补足什么。基本上常见的日期分隔符，pandas都可以识别，所以我非常推荐这个方法。

如果数据是“2018年6月15日”这种，自己处理成可以给pandas用的日期分隔符就好啦。比如用

date = date.replace('年', '/').replace('月', '/').replace('日', '')

替换一下，再传给该方法，其他情况就不过多讨论了。

二、原数据是时间戳格式，是正时间戳，如5932800，71424000等。

不管时间戳是几位的，只要是正数，可直接：

date = time.localtime(int(date))
date = time.strftime("%Y-%m-%d %H:%M:%S", date)

就可以得到yyyy-MM-dd HH:mm:ss日期格式。
 
如果时间戳是负数,用这个：

date = str(datetime.datetime(1970, 1, 1) + datetime.timedelta(seconds=int(date)))

   （时间戳是围绕1970年1月1日前后的，不多解释了）  

  做个小结：日期之间的转化方式实在是太多了，可以用time，可以用datetime，还可以用pandas，真的没必要全部总结出来，逮住啥能起作用就用吧！在这方面我觉得就是能用就行~