Python中time日期、时间格式转换
在我们日常的数据采集中,时间time的重要性毋庸置疑的,因为它是衡量采集到的信息是否具有正确时效性的唯一因素。如果我们采集到的信息对于客户来说已经是过期的信息,这对于客户没有使用的价值,影响客户使用。
所以我们今天就来说说在日常采集中遇到的时间如何正确采集,保证信息的时效性。
1>.首先我们要获取当前的时间,才能有效的判断信息的时效性。
import datetime #获取当前时间 gtime = datetime.datetime.now() # #获取当前时间的年 月 日.day year = datetime.datetime.now().year month = datetime.datetime.now().month day = datetime.datetime.now().day
2>.时间的格式化。在采集外文网站中常会遇到(Mar 09,2018\ Thu Jun 22 00:00:00 CST 2017),对照着进行匹配
%a星期的简写。如 星期三为Web %A星期的全写。如 星期三为Wednesday %b月份的简写。如4月份为Apr %B月份的全写。如4月份为April %c: 日期时间的字符串表示。(如: 04/07/10 10:43:39) %d: 日在这个月中的天数(是这个月的第几天) %f: 微秒(范围[0,999999]) %H: 小时(24小时制,[0, 23]) %I: 小时(12小时制,[0, 11]) %j: 日在年中的天数 [001,366](是当年的第几天) %m: 月份([01,12]) %M: 分钟([00,59]) %p: AM或者PM %S: 秒(范围为[00,61],为什么不是[00, 59],参考python手册~_~) %U: 周在当年的周数当年的第几周),星期天作为周的第一天 %w: 今天在这周的天数,范围为[0, 6],6表示星期天 %W: 周在当年的周数(是当年的第几周),星期一作为周的第一天 %x: 日期字符串(如:04/07/10) %X: 时间字符串(如:10:43:39) %y: 2个数字表示的年份 %Y: 4个数字表示的年份 %z: 与utc时间的间隔 (如果是本地时间,返回空字符串) %Z: 时区名称(如果是本地时间,返回空字符串) %%: %% => %
#Mar 09,2018\ Thu Jun 22 00:00:00 CST 2017 c_time = 'Mar 09,2018' print(type(c_time)) #查看类型是--<str> ctime = datetime.datetime.strptime(c_time,"%b %d,%Y") print(ctime) print(type(ctime)) #查看类型是--<class 'datetime.datetime'>
3>.借助正则来提升匹配率
ctime = data.xpath('''//span[@class="time"]''').regex('(\d+-\d+-\d+ \d+:\d+:\d+|\d+-\d+-\d+ \d+:\d+|\d+-\d+-\d+|\d+-\d+ \d+:\d+)').datetime()
4>.对于时间里面包含汉字(年、月、日)(刚刚、分钟前、小时前、天前)
4.1.时间里面包含年、月、日---2018年3月15日 12:25
import htmlparser #导包 ctime = htmlparser.Parser(data.xpath('''//span[@class="time"]''').text().replace('年', '-').replace('月', '-').replace('日', '')).datetime()
4.2.时间里面包含刚刚、分钟前、小时前、天前
ctime = data.xpath('''//span[@class="topic_time"]/text()''').text().strip() if "刚刚" in ctime: ctime = gtime - datetime.timedelta(minutes=1) elif "分钟前" in ctime: ctime = re.search(r'\d+', ctime).group() ctime = gtime - datetime.timedelta(minutes=int(ctime)) elif "小时前" in ctime: ctime = re.search(r'\d+', ctime).group() ctime = gtime - datetime.timedelta(hours=int(ctime)) elif "天前" in ctime: ctime = re.search(r'\d+', ctime).group() ctime = gtime - datetime.timedelta(days=int(ctime)) else: # return None ctime = htmlparser.Parser(ctime).datetime()
5>.对于正文里面没有时间的,查看是否url里面含有时间的信息 http://www.shanxi.gov.cn/sq/dwjl/gjjmlw/201802/t20180208_396922.shtml
import re post_url = 'http://www.shanxi.gov.cn/sq/dwjl/gjjmlw/201802/t20180208_396922.shtml' c_time = re.search('''t(\d{8})_''', post_url).group(1) ctime = datetime.datetime.strptime(c_time, "%Y%m%d") - datetime.timedelta(0, 3600 * 8)
6>.时间戳的转化(如果采集的内容里面没有时间,可以查找类似1548906627这样的一串数,打开http://tool.chinaz.com/Tools/unixtime.aspx,测试一下是否是时间戳格式的)
如果确定是时间戳格式的
===============时间戳格式转换============== c_time1 = '获取到的时间戳' ctime = datetime.datetime.utcfromtimestamp(int(c_time1))
最后,此内容为自己整理所得,如有不适合你的情况,请另行其它方法解决。