使用 dateutil.parser 解析另一种语言的日期

Question

Dateutil 是解析字符串格式日期的好工具。例如

from dateutil.parser import parse
parse("Tue, 01 Oct 2013 14:26:00 -0300")

返回

datetime.datetime(2013, 10, 1, 14, 26, tzinfo=tzoffset(None, -10800))

然而，

parse("Ter, 01 Out 2013 14:26:00 -0300") # In portuguese

产生此错误：

ValueError: unknown string format

有人知道如何让 dateutil 了解语言环境吗？

Answer 1

据我所知，dateutil 不支持区域设置（还没有！）。

我能想到三个替代建议：

• 日期和月份名称在dateutil.parser 中硬编码（作为parserinfo 类的一部分）。您可以将 parserinfo 子类化，并将这些名称替换为葡萄牙语的适当名称。

• 修改 dateutil 以根据用户的区域设置获取日期和月份名称。所以你可以做类似的事情

  import locale
  locale.setlocale(locale.LC_ALL, "pt_PT")
  
  from dateutil.parser import parse
  parse("Ter, 01 Out 2013 14:26:00 -0300")
  

  我已经启动了一个分支，它从 calendar 模块（可识别语言环境）中获取名称来处理这个问题：https://github.com/alexwlchan/dateutil

  现在它适用于葡萄牙语（或似乎适用），但我想在向主分支提交补丁之前再考虑一下。特别是，如果它面对西欧语言中没有使用的字符，可能会发生怪异。我还没有测试过这个。 （见https://stackoverflow.com/a/8917539/1558022）

• 如果你没有绑定到 dateutil 模块，你可以使用 datetime 代替，它已经是语言环境感知的：

  from datetime import datetime, date
  import locale
  
  locale.setlocale(locale.LC_ALL, "pt_PT")
  datetime.strptime("Ter, 01 Out 2013 14:26:00 -0300",
                    "%a, %d %b %Y %H:%M:%S %z")
  

  （请注意，%z 令牌是 not consistently supported in datetime。）

Answer 2

您可以使用PyICU 解析given format 中的本地化日期/时间字符串：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
from datetime import datetime
import icu  # PyICU

df = icu.SimpleDateFormat(
               'EEE, dd MMM yyyy HH:mm:ss zzz', icu.Locale('pt_BR'))
ts = df.parse(u'Ter, 01 Out 2013 14:26:00 -0300')
print(datetime.utcfromtimestamp(ts))
# -> 2013-10-01 17:26:00 (UTC)

它适用于 Python 2/3。它不会修改全局状态（语言环境）。

如果您的实际输入时间字符串不包含明确的 utc 偏移量，那么您应该 specify a timezone to be used by ICU explicitly 否则您会得到错误的结果（ICU 和 datetime 可能使用不同的时区定义）。

如果您只需要支持 Python 3 并且不介意设置语言环境，那么您可以使用 datetime.strptime() 作为 @alexwlchan suggested：

#!/usr/bin/env python3
import locale
from datetime import datetime

locale.setlocale(locale.LC_TIME, "pt_PT.UTF-8")
print(datetime.strptime("Ter, 01 Out 2013 14:26:00 -0300",
                        "%a, %d %b %Y %H:%M:%S %z")) # works on Python 3.2+
# -> 2013-10-01 14:26:00-03:00

Answer 3

from dateutil.parser import parse
parse("Ter, 01 Out 2013 14:26:00 -0300",fuzzy=True)

结果：

datetime.datetime(2013, 1, 28, 14, 26, tzinfo=tzoffset(None, -10800))

Answer 4

我认为最好的解决方案是从 dateutil 继承解析器并使用 calendar lib 常量。这是一个简单的解决方案，我没有大量测试，所以请谨慎使用。

它非常简单，可以将 dateutil 本地化为多种语言。创建模块localeparseinfo.py：

import calendar
from dateutil import parser
    
class LocaleParserInfo(parser.parserinfo):
    WEEKDAYS = zip(calendar.day_abbr, calendar.day_name)
    MONTHS = list(zip(calendar.month_abbr, calendar.month_name))[1:]

现在您可以使用新的 parseinfo 对象作为dateutil.parser 的参数。

In [1]: import locale;locale.setlocale(locale.LC_ALL, "pt_BR.utf8")
In [2]: from localeparserinfo import LocaleParserInfo                                   

In [3]: from dateutil.parser import parse                                                

In [4]: parse("Ter, 01 Out 2013 14:26:00 -0300", parserinfo=PtParserInfo())              
Out[4]: datetime.datetime(2013, 10, 1, 14, 26, tzinfo=tzoffset(None, -10800))

看起来这解决了很多不同的语言解析，但对于所有可能的日期和时间，它是一个不完整的解决方案。看看 dateutil parser.py，特别是 parserinfo 类变量。看看 HMS 变量和其他变量。

您甚至可以将语言环境字符串作为参数传递给您的 parserinfo 类。