使用Python以北欧格式（先是DMY，然后是YMD）解析日期的最佳方法

我正在寻找一种按照优先顺序使用以下“元格式”解析未知格式日期的方法：

年月日（DMY）

年-月-日（YMD）

潜在的其他格式（但这并不重要）

这是挪威、丹麦、芬兰和荷兰几乎所有发票上的实际元格式，因此它应该是一个常见的用例。然而，似乎没有任何一个库能够处理它，而不必定义大量可能的格式列表

具体来说。我需要一个方法（

parse

）来满足以下要求：

解析（“01-02-03”）=“datetime.datetime（2003,2,1,0,0）”
解析（“2003-02-01”）=“datetime.datetime（2003,2,1,0,0）”

但它也适用于其他分隔符等

关于如何在不定义大量格式的情况下实现这一点，有什么建议吗

---

编辑：由于瑞典有不同的偏好，我更喜欢一个可以推广到YMD优于DMY的情况下的答案。

看看

dateutil.parser.parse

from dateutil.parser import parse

parse('01-02-03', dayfirst=True)  # datetime.datetime(2003, 2, 1, 0, 0)
parse('2003-02-01')  # datetime.datetime(2003, 2, 1, 0, 0)

---

当然，您需要微调

parse（）

的参数，因为它不会总是猜测它是YDM还是YMD格式，但这是一个好的开始

你试过使用熊猫吗？Imho这是导入日期的最佳和最干净的方法，因为它在99%的情况下都是开箱即用的，而像dateutil这样的大多数其他方法往往会失败

import pandas as pd
pd.to_datetime('01-02-03', dayfirst=True)
pd.to_datetime('2003-02-01', dayfirst=True)

pandas的另一个优点是，它可以处理数组、列表和大多数其他类型，甚至支持使用datetime索引对数组（称为DataFrames）进行字符串索引

有关如何使用pandas获取

datetime.datetime

格式的更多信息：
只需将

.to_pydatetime（）

附加到解析器中即可

pd.to_datetime('2003-02-01', dayfirst=True).to_pydatetime()
# Out[]: datetime.datetime(2003, 2, 1, 0, 0)

---

查看python中的

arrow

库。您可以用任何喜欢的格式指定日期的格式。例如：

arrow.get("01-02-03","DD-MM-YY")
# gives <Arrow [2003-02-01T00:00:00+00:00]>
arrow.get("01-02-03","YY-MM-DD")
# gives <Arrow [2001-02-03T00:00:00+00:00]>

arrow.get（“01-02-03”，“DD-MM-YY”）
#给予
箭头。get（“01-02-03”，“YY-MM-DD”）
#给予

正如Scotty1正确指出的那样，

pandas.to_datetime

实际上适用于我描述的用例，但是它不能概括为YMD优先于DMY的用例（在瑞典正好是首选）

我最终得到了一个在95%以上的情况下都能工作的东西，这比任何现有的数据解析库都能提供的现成功能要好得多。以下是我的解决方案：

def parse(string):
    dmy = ['%d{sep}%m{sep}%Y', '%d{sep}%m{sep}%y']
    ymd = ['%Y{sep}%m{sep}%d', '%y{sep}%m{sep}%d']
    seperators = ['', ' ', '-', '.', '/']
    formats = [f.format(sep=sep) for f in dmy + ymd for sep in seperators]
    additional = ['%d/%m %Y']
    return dateparser.parse(string, date_formats=formats + additional)

通过将

DMY+YMD

替换为

YMD+DMY

，可以实现对“YMD优先于DMY”的支持

为了帮助传达上述代码的行为，以下是一组测试，所有测试均通过：

out = datetime.datetime(2003, 2, 1, 0, 0)

# straight forward DMY
assert out == extractors.extract_date('010203')
assert out == extractors.extract_date('01022003')
assert out == extractors.extract_date('01-02-03')
assert out == extractors.extract_date('01-02-2003')

# alternative delimiters
assert out == extractors.extract_date('01.02.03')
assert out == extractors.extract_date('01 02 03')
assert out == extractors.extract_date('01/02/03')
assert out == extractors.extract_date('01/02 2003')

# YMD (when the first cannot parse as a day, default to YMD)
assert out == extractors.extract_date('2003-02-01')
assert extractors.extract_date('98-02-01') == \
    datetime.datetime(1998, 2, 1, 0, 0)

# single digits
assert out == extractors.extract_date('1-2-2003')
assert out == extractors.extract_date('1/2 2003')
assert out == extractors.extract_date('2003-2-1')

# when there are not other possibilities (MDY, YDM)
assert extractors.extract_date('12-31-98') == \
    datetime.datetime(1998, 12, 31, 0, 0)
assert extractors.extract_date('98-31-12') == \
    datetime.datetime(1998, 12, 31, 0, 0)

---

我尝试了

pandas

，当我看到它正在下载（11.6MB）时，我感到困惑，当它开始下载

numpy

（12.1MB）时，我的惊讶是什么

但作为一个欧洲人，我不需要默认的

dateutil

的“月优先”行为，因此我现在使用以下方法：

import re
sloppy_iso8601 = re.compile('^[12][0-9][0-9][0-9]-[0-9][0-9]?-[0-9][0-9]?.*$')
import dateutil.parser

def parse_date(value, dayfirst=True, yearfirst=False, **kwargs):
    if sloppy_iso8601.match(value) is not None:
        dayfirst = False
        yearfirst = True
    return dateutil.parser.parse(value, dayfirst=dayfirst, yearfirst=yearfirst, **kwargs)

这与OP（和我自己）所期望的一样

---

如果没有为每种情况指定参数，这并不能在所有情况下都起作用<代码>解析（'2003-02-01'，dayfirst=True）生成

datetime.datetime（2003,1,2,0,0）

，这是不正确的。在第一种情况下，省略

dayfirst=True

会产生一个错误的日期。是的，但是再次-确定用户键入日期时的含义并不容易。例如，考虑<代码> 01 / 02 / 03 < /代码> -你如何知道哪一个是一天、一个月和一年？在美国可能是2003年第1个月第2天，在欧洲可能是2003年第2个月第1天。如果没有额外的提示，猜测是不可能的。他表示，他主要使用挪威、丹麦、芬兰和荷兰使用的格式，通常是

dayfirst=True

或ISO date。如果有使用美国日期的特殊情况，在没有指定其他信息的情况下，无法解析它，但这应被视为特殊情况。困难在于，即使使用最简单的情况-可能的日期格式字符串列表，你一个接一个地尝试，仍然有可能得到一个有效的结果。例如，无法猜测哪个月是从

01/02/2003

开始的，但可以猜测

01/13/2003

开始的月份。如果您正在解析用户输入，您可以通过查看区域设置来帮助自己。如果是一个网站，您可以查看请求的来源国（或查看

Accept Language

headers）。对于发票，您可以使用发票元数据-发票颁发者的国家/地区。如果您能够提出使用本地语言的解决方案，这是一个非常有效的解决方案。正如我提到的，我确实知道日期是北欧的。这个问题的作者似乎在寻找一个通用的“魔法”函数，它可以猜测格式，而不需要指定格式。哦，我明白了。也许可以使用已知格式的列表并解析每种格式的日期？是的，或者可以像下面的

箭头那样链接它们。get（'01-02-03'，['DD-MM-YY'，'YY-MM-DD']）

，但是当尝试扩展到一般情况时，它很快就失控了。仅对于DMY，一个简单的最小值看起来像这样

'DDMMYY'，'DD-MM-YY'，'DD/MM/YY'，'DD.MM.YY'，'DDMMYYYY'，'DD-MM-YYYY'，'DD.MM.YYYY'

（当然可以通过编程方式构建）。如果没有通用的日期分析器，这是一个很好的解决方案。谢谢事实证明，

arrow

不是按顺序尝试多种格式的合适库，但是像

dateparser

这样的库可以很好地实现这一点。下面是一个示例，说明了

arrow

失败的原因：

arrow.get（'2003-02-01'，['DD-MM-YY'，'yyyyy-MM-DD']）

返回

这是以一般方式解决问题。谢谢斯科蒂。但让我告诉你一件事

>>> parse = parse_date
>>> parse("01-02-03")
datetime.datetime(2003, 2, 1, 0, 0)
>>> parse("2003-02-01")
datetime.datetime(2003, 2, 1, 0, 0)
>>>