在Python中解析日期而不使用默认值

Question

我正在使用 python 的 dateutil.parser 工具来解析从第三方提要获取的一些日期。它允许指定一个默认日期，该日期本身默认为今天，用于填充解析日期的缺失元素。虽然这通常很有帮助，但对于我的用例来说没有合理的默认值，而且我更愿意将部分日期视为我根本没有得到日期（因为它几乎总是意味着我得到了乱码数据）。我已经编写了以下解决方案：（

from dateutil import parser
import datetime

def parse_no_default(dt_str):
  dt = parser.parse(dt_str, default=datetime.datetime(1900, 1, 1)).date()
  dt2 = parser.parse(dt_str, default=datetime.datetime(1901, 2, 2)).date()
  if dt == dt2:
    return dt
  else:
    return None

此代码片段仅查看日期，因为这是我的应用程序所关心的全部内容，但类似的逻辑可以扩展以包括时间组件。）

我想知道（希望）有一个更好的方法来做到这一点。至少可以说，两次解析同一个字符串只是为了看看它是否填充不同的默认值，这似乎是对资源的严重浪费。

这是预期行为的一组测试（使用nosetest生成器）：

import nose.tools
import lib.tools.date

def check_parse_no_default(sample, expected):
  actual = lib.tools.date.parse_no_default(sample)
  nose.tools.eq_(actual, expected)

def test_parse_no_default():
  cases = ( 
      ('2011-10-12', datetime.date(2011, 10, 12)),
      ('2011-10', None),
      ('2011', None),
      ('10-12', None),
      ('2011-10-12T11:45:30', datetime.date(2011, 10, 12)),
      ('10-12 11:45', None),
      ('', None),
      )   
  for sample, expected in cases:
    yield check_parse_no_default, sample, expected

Answer 1

根据您的域，以下解决方案可能有效：

DEFAULT_DATE = datetime.datetime(datetime.MINYEAR, 1, 1)

def parse_no_default(dt_str):    
    dt = parser.parse(dt_str, default=DEFAULT_DATE).date()
    if dt != DEFAULT_DATE:
       return dt
    else:
       return None

另一种方法是猴子补丁解析器类（这是非常hackiesh，所以如果您有其他选择，我不会推荐它）：

import dateutil.parser as parser
def parse(self, timestr, default=None,
          ignoretz=False, tzinfos=None,
          **kwargs):
    return self._parse(timestr, **kwargs)
parser.parser.parse = parse

您可以按如下方式使用它：

>>> ddd = parser.parser().parse('2011-01-02', None)
>>> ddd
_result(year=2011, month=01, day=02)
>>> ddd = parser.parser().parse('2011', None)
>>> ddd
_result(year=2011)

通过检查哪些成员可用在结果（ddd）中，您可以确定何时返回 None。
当所有字段可用时，您可以将 ddd 转换为日期时间对象：

# ddd might have following fields:
# "year", "month", "day", "weekday",
# "hour", "minute", "second", "microsecond",
# "tzname", "tzoffset"
datetime.datetime(ddd.year, ddd.month, ddd.day)

Answer 2

这可能是一个“黑客”，但看起来 dateutil 只查看您传入的默认值之外的很少的属性。您可以提供一个以所需方式爆炸的“假”日期时间。

>>> import datetime
>>> import dateutil.parser
>>> class NoDefaultDate(object):
...     def replace(self, **fields):
...         if any(f not in fields for f in ('year', 'month', 'day')):
...             return None
...         return datetime.datetime(2000, 1, 1).replace(**fields)
>>> def wrap_parse(v):
...     _actual = dateutil.parser.parse(v, default=NoDefaultDate())
...     return _actual.date() if _actual is not None else None
>>> cases = (
...   ('2011-10-12', datetime.date(2011, 10, 12)),
...   ('2011-10', None),
...   ('2011', None),
...   ('10-12', None),
...   ('2011-10-12T11:45:30', datetime.date(2011, 10, 12)),
...   ('10-12 11:45', None),
...   ('', None),
...   )
>>> all(wrap_parse(test) == expected for test, expected in cases)
True

Answer 3

我在 dateutil 中遇到了完全相同的问题，我编写了这个函数，并认为我会为了后代而发布它。基本上使用像 @ILYA Khlopotov 这样的底层 _parse 方法建议：

from dateutil.parser import parser
import datetime
from StringIO import StringIO

_CURRENT_YEAR = datetime.datetime.now().year
def is_good_date(date):
    try:
        parsed_date = parser._parse(parser(), StringIO(date))
    except:
        return None
    if not parsed_date: return None
    if not parsed_date.year: return None
    if parsed_date.year < 1890 or parsed_date.year > _CURRENT_YEAR: return None
    if not parsed_date.month: return None
    if parsed_date.month < 1 or parsed_date.month > 12: return None
    if not parsed_date.day: return None
    if parsed_date.day < 1 or parsed_date.day > 31: return None
    return parsed_date

返回的对象不是 datetime 实例，但它具有 .year， .month 和 .day 属性，这足以满足我的需求。我想您可以轻松地将其转换为 datetime 实例。

Answer 4

simple-date 为你做到了这一点（它确实在内部尝试了多种格式，但没有你想象的那么多，因为它使用的模式使用可选部分（如正则表达式）扩展了 python 的日期模式）。

请参阅 https://github.com/andrewcooke/simple-date - 但仅限 python 3.2 及更高版本（对不起）。

它比默认情况下您想要的更宽松：

>>> for date in ('2011-10-12', '2011-10', '2011', '10-12', '2011-10-12T11:45:30', '10-12 11:45', ''):
...   print(date)
...   try: print(SimpleDate(date).naive.datetime)
...   except: print('nope')
... 
2011-10-12
2011-10-12 00:00:00
2011-10
2011-10-01 00:00:00
2011
2011-01-01 00:00:00
10-12
nope
2011-10-12T11:45:30
2011-10-12 11:45:30
10-12 11:45
nope

nope

但您可以指定自己的格式。例如：

>>> from simpledate import SimpleDateParser, invert
>>> parser = SimpleDateParser(invert('Y-m-d(%T| )?(H:M(:S)?)?'))
>>> for date in ('2011-10-12', '2011-10', '2011', '10-12', '2011-10-12T11:45:30', '10-12 11:45', ''):
...   print(date)
...   try: print(SimpleDate(date, date_parser=parser).naive.datetime)
...   except: print('nope')
... 
2011-10-12
2011-10-12 00:00:00
2011-10
nope
2011
nope
10-12
nope
2011-10-12T11:45:30
2011-10-12 11:45:30
10-12 11:45
nope

nope

ps invert() 只是切换 % 的存在，否则在指定复杂的日期模式时会变得一团糟。所以这里只有文字 T 字符需要 % 前缀（在标准 python 日期格式中，它将是唯一没有前缀的字母数字字符）