Python dateutil.parser：如何处理同一列中的dd/mm和mm/dd？

我正在分析一个CSV文件，其中一列是“datetime”。这些CSV格式不正确，一些CSV文件具有

28-02-2018T00:00:00.000+1000

，而其他CSV文件具有

2018-02-28800:00:00.000+1000

如果我这样做：

dateutil.parser.parse(my_csv["timestamp"])

无论是

my_csv[“timestamp”]

是

02-28-2018T00:00:00.000+1000

还是

2018-02-28:00:00.000+1000

都是无关的。如果我不指定格式，它将是正确的，因为库将识别没有“第28个月”，因此它将自己选择正确的格式

但是如何处理日期和月份对两种格式槽都有效的情况呢

2018-02-04

和

04-02-2018

都是相同的日期，但一个日期为

%m-%d

，另一个日期为

%d-%m

我可以告诉解析器格式是

%y-%m-%d

还是

%d-%m-%y

---

当我解析时，是否有一个额外的参数可以用来告诉解析器，如果

%y

的4位数字首先出现，那么使用

%y-%m-%d

，否则使用

%d-%m-%y

？

当前dateutil解析器的自定义选项很少，无法指定所需的内容

但是，如果只是这两种格式，我建议不要使用dateutil的解析器。您可以使用一个函数来解析这些日期，该函数先尝试一种格式，然后尝试另一种格式：

from datetime import datetime

def parse_myformats(dtstr):
    try:
        return datetime.strptime(dtstr, '%Y-%m-%dT%H:%M:%S.%f%z')
    except ValueError:
        return datetime.strptime(dtstr, '%d-%m-%YT%H:%M:%S.%f%z')

这假定Python3（

%z

指令）。在Python2中，必须去掉最后5位数字，并分别解析时区

也就是说，由于第一个datetime是ISO8601 datetime，您还可以将其用作条件的第一个分支，并将

parse

用作回退：

from datetime import datetime
from dateutil import parser

def parse_myformats_du(dtstr):
    try:
        return parser.isoparse(dtstr)
    except ValueError:
        return parser.parse(dtstr, dayfirst=True)

这个版本可以在Python2和Python3中工作，无需进行额外的修改，不过在调用

dateutil.parser.parse

的分支上可能会慢一些。在行动中看到它：

>>> parse_myformats('2018-02-04T00:00:00.000+1000')
datetime.datetime(2018, 2, 4, 0, 0, tzinfo=datetime.timezone(datetime.timedelta(0, 36000)))

>>> parse_myformats('04-02-2018T00:00:00.000+1000')
datetime.datetime(2018, 2, 4, 0, 0, tzinfo=datetime.timezone(datetime.timedelta(0, 36000)))

>>> parse_myformats_du('2018-02-04T00:00:00.000+1000')
datetime.datetime(2018, 2, 4, 0, 0, tzinfo=tzoffset(None, 36000))

>>> parse_myformats_du('04-02-2018T00:00:00.000+1000')
datetime.datetime(2018, 2, 4, 0, 0, tzinfo=tzoffset(None, 36000))

如果您关心速度，以下是IPython

%timeit

微基准：

%timeit parse_myformats('2018-02-04T00:00:00.000+1000')
31.8 µs ± 1.23 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%timeit parse_myformats('04-02-2018T00:00:00.000+1000')
45.1 µs ± 2.34 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%timeit parse_myformats_du('2018-02-04T00:00:00.00+1000')
31.3 µs ± 574 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%timeit parse_myformats_du('04-02-2018T00:00:00.000+1000')
191 µs ± 2.99 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

---

还有其他格式吗？或者你提到的两种格式？这有助于解决问题。感谢您的帮助和有益的解释@Paul