自定义 dateutil.parser 世纪推理逻辑

Question

我正在处理具有 2 位数年份的旧文本文件，其中 dateutil.parser 中的默认世纪逻辑似乎无法正常工作。例如，珍珠港袭击不在dparser.parse("12/7/41")（返回 2041-12-7）。

回到 1900 年代的内置世纪“门槛”似乎发生在 66 岁：

import dateutil.parser as dparser
print(dparser.parse("12/31/65")) # goes forward to 2065-12-31 00:00:00
print(dparser.parse("1/1/66")) # goes back to 1966-01-01 00:00:00

出于我的目的，我想将此“阈值”设置为 17，以便：

• "12/31/16" 解析为 2016-12-31 (yyyy-mm-dd)
• "1/1/17" 解析为 1917-01-01

但我想继续使用这个模块，因为它的模糊匹配似乎运作良好。

documentation 没有识别用于执行此操作的参数...是否有我忽略的参数？

Answer 1

这不是特别好的文档，但您实际上可以使用dateutil.parser 覆盖它。第二个参数是parserinfo 对象，您将关注的方法是convertyear。 default implementation 是导致您出现问题的原因。你可以看到它是根据当前年份来解释世纪的，正负五十年。这就是为什么你会在 1966 年看到过渡。明年将是 1967 年。:)

由于您个人使用它并且可能有非常特定的需求，因此您不必是超级通用的。如果它适合你，你可以做这样简单的事情：

from dateutil.parser import parse, parserinfo

class MyParserInfo(parserinfo):
    def convertyear(self, year, *args, **kwargs):
        if year < 100:
            year += 1900
        return year

parse('1/21/47', MyParserInfo())
# datetime.datetime(1947, 1, 21, 0, 0)

Answer 2

如果提取的年份超过指定阈值（在您的情况下为 2016 年），您还可以对提取的日期进行后处理手动更改世纪：

import dateutil.parser as dparser

THRESHOLD = 2016

date_strings = ["12/31/65", "1/1/66", "12/31/16", "1/1/17"]
for date_string in date_strings:
    dt = dparser.parse(date_string)
    if dt.year > THRESHOLD:
        dt = dt.replace(year=dt.year - 100)
    print(dt)

打印：

1965-12-31 00:00:00
1966-01-01 00:00:00
2016-12-31 00:00:00
1917-01-01 00:00:00

Answer 3

除了编写自己的 parserinfo.convertyear 方法外，您还可以通过传递标准的 parserinfo 对象来自定义此方法，并更改 _century 和 _year 设置 *)：

from dateutil.parser import parse, parserinfo
info = parserinfo()
info._century = 1900
info._year  = 1965
parse('12/31/65', parserinfo=info)
=> 1965-12-31 00:00:00

_century 指定添加到任何解析年份的默认年份，即65 + 1900 = 1965。

_year 指定截止年份 +- 50。任何比 _years 至少晚 50 年的年份，即差异在哪里

• < _year将切换到下个世纪
• >= _year会切换到上个世纪

把它想象成一个时间线：

1900          1916          1965          2015
+--- (...) ---+--- (...) ---+--- (...) ---+
^             ^             ^             ^
_century      _year - 49    _year         _year + 50

parsed years:
              16,17,...             99,00,...15

换句话说，年份 00, 01, ..., 99 映射到时间范围 _year - 49 .. _year + 50，_year 设置为这 100 年期间的中间。使用这两个设置，您可以指定任何您喜欢的截断。

*) 请注意，这两个变量未记录在案，但在撰写本文时最新的稳定版本 2.5.3 中用于 parserinfo.convertyear 的默认实现。恕我直言，默认实现非常聪明。