我有一堆Excel文档,需要从中提取日期。我想把它们转换为标准格式,以便将其放入数据库。是否有一个函数可以接受这些字符串并返回标准格式?以下是我的一小部分数据:
好消息是我知道日期始终是月/日。
10/02/09
07/22/09
09-08-2008
9/9/2008
11/4/2010
03-07-2009
09/01/2010
我想把它们都转换成 MM/DD/YYYY 的格式。有没有一种方法可以不用逐个模式匹配字符串就能实现这个目的?
我有一堆Excel文档,需要从中提取日期。我想把它们转换为标准格式,以便将其放入数据库。是否有一个函数可以接受这些字符串并返回标准格式?以下是我的一小部分数据:
好消息是我知道日期始终是月/日。
10/02/09
07/22/09
09-08-2008
9/9/2008
11/4/2010
03-07-2009
09/01/2010
我想把它们都转换成 MM/DD/YYYY 的格式。有没有一种方法可以不用逐个模式匹配字符串就能实现这个目的?
第三方模块dateutil有一个名为parse
的函数,其操作方式类似于PHP的strtotime
函数:你不需要指定特定的日期格式,它会尝试一系列自己的解析规则。
>>> from dateutil.parser import parse
>>> parse("10/02/09", fuzzy=True)
datetime.datetime(2009, 10, 2, 0, 0) # default to be in American date format
它还允许您指定不同的假设:
- dayfirst - 是否将模糊的三个整数日期(例如01/05/09)中的第一个值解释为日(True)或月(False)。 如果yearfirst设置为True,则区分YDM和YMD。如果设置为None,则此值从当前parserinfo对象检索(该对象本身默认为False)。
- yearfirst - 是否将模糊的三个整数日期(例如01/05/09)中的第一个值解释为年份。 如果为True,则将第一个数字视为年份,否则将最后一个数字视为年份。 如果将其设置为None,则该值从当前parserinfo对象检索(该对象本身默认为False)。
import re
ss = '''10/02/09
07/22/09
09-08-2008
9/9/2008
11/4/2010
03-07-2009
09/01/2010'''
regx = re.compile('[-/]')
for xd in ss.splitlines():
m,d,y = regx.split(xd)
print xd,' ','/'.join((m.zfill(2),d.zfill(2),'20'+y.zfill(2) if len(y)==2 else y))
结果
10/02/09 10/02/2009
07/22/09 07/22/2009
09-08-2008 09/08/2008
9/9/2008 09/09/2008
11/4/2010 11/04/2010
03-07-2009 03/07/2009
09/01/2010 09/01/2010
而且编辑2: 根据JBernardo提供的信息,我添加了第4种解决方案,看起来是最快的'{0:0>2}'.format(day)
import re
from time import clock
iterat = 100
from datetime import datetime
dates = ['10/02/09', '07/22/09', '09-08-2008', '9/9/2008', '11/4/2010',
' 03-07-2009', '09/01/2010']
reobj = re.compile(
r"""\s* # optional whitespace
(\d+) # Month
[-/] # separator
(\d+) # Day
[-/] # separator
(?:20)? # century (optional)
(\d+) # years (YY)
\s* # optional whitespace""",
re.VERBOSE)
te = clock()
for i in xrange(iterat):
ndates = (reobj.sub(r"\1/\2/20\3", date) for date in dates)
fdates1 = [datetime.strftime(datetime.strptime(date,"%m/%d/%Y"), "%m/%d/%Y")
for date in ndates]
print "Tim's method ",clock()-te,'seconds'
regx = re.compile('[-/]')
te = clock()
for i in xrange(iterat):
ndates = (reobj.match(date).groups() for date in dates)
fdates2 = ['%s/%s/20%s' % tuple(x.zfill(2) for x in tu) for tu in ndates]
print "mixing solution",clock()-te,'seconds'
te = clock()
for i in xrange(iterat):
ndates = (regx.split(date.strip()) for date in dates)
fdates3 = ['/'.join((m.zfill(2),d.zfill(2),('20'+y.zfill(2) if len(y)==2 else y)))
for m,d,y in ndates]
print "eyquem's method",clock()-te,'seconds'
te = clock()
for i in xrange(iterat):
fdates4 = ['{:0>2}/{:0>2}/20{}'.format(*reobj.match(date).groups()) for date in dates]
print "Tim + format ",clock()-te,'seconds'
print fdates1==fdates2==fdates3==fdates4
结果
number of iteration's turns : 100
Tim's method 0.295053700959 seconds
mixing solution 0.0459111423379 seconds
eyquem's method 0.0192239516475 seconds
Tim + format 0.0153756971906 seconds
True
混合解决方案很有趣,因为它结合了我的解决方案的速度和 Tim Pietzcker 的正则表达式检测字符串中日期的能力。
对于结合 Tim 的解决方案和使用 {:0>2}
进行格式化更为真实。我不能将{:0>2}
与我的解决方案相结合,因为 regx.split(date.strip())
生成带有 2 或 4 个数字的年份。
如果你不想安装像dateutil这样的第三方模块:
import re
from datetime import datetime
dates = ['10/02/09', '07/22/09', '09-08-2008', '9/9/2008', '11/4/2010', ' 03-07-2009', '09/01/2010']
reobj = re.compile(
r"""\s* # optional whitespace
(\d+) # Month
[-/] # separator
(\d+) # Day
[-/] # separator
(?:20)? # century (optional)
(\d+) # years (YY)
\s* # optional whitespace""",
re.VERBOSE)
ndates = [reobj.sub(r"\1/\2/20\3", date) for date in dates]
fdates = [datetime.strftime(datetime.strptime(date,"%m/%d/%Y"), "%m/%d/%Y")
for date in ndates]
结果:
['10/02/2009', '07/22/2009', '09/08/2008', '09/09/2008', '11/04/2010', '03/07/2009', '09/01/2010']
r'(\d+)\D(\d+)\D(\d+)'
的正则表达式与re.findall
函数一起获取以元组形式表示的月、日和年。20
或19
连接起来,并使用您想要的分隔符将它们拼接回去:
'/'.join(the_list)
如Tim所指出的:'{0:0>2}'.format(day)
以及相同操作处理月份即可。