自定义 dateutil.parser 世纪推理逻辑

customize dateutil.parser century inference logic

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,对珍珠港的袭击不在 dparser.parse("12/7/41")(returns 2041-12-7)。

回滚到 1900 年代的内置世纪 "threshold" 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 "threshold" 设置为 17,以便:

但我想继续使用这个模块,因为它的模糊匹配似乎运行良好。

documentation 没有确定执行此操作的参数...是否有我忽略的参数?

如果提取的年份超过指定的阈值,您还可以post-处理提取的日期手动更改世纪,在您的情况下 - 2016 年:

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

这没有很好的记录,但您实际上可以使用 dateutil.parser 覆盖它。第二个参数是一个 parserinfo 对象,您要关注的方法是 convertyeardefault implementation 是导致您出现问题的原因。您可以看到它基于当前年份(加上或减去五十年)对世纪的解释。这就是您在 1966 年看到转变的原因。明年将是 1967 年。:)

由于您是个人使用它并且可能有非常具体的需求,因此您不必过于通用。如果适合您,您可以做这么简单的事情:

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)

除了编写您自己的 parserinfo.convertyear 方法外,您还可以通过传递一个标准 parserinfo 对象并更改 _century_year 设置来自定义此方法 *):

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 指定添加到解析的任何年份数字的默认年份,即 65 + 1900 = 1965

_year 指定截止年份 +- 50。任何年份距 _years 至少 50 年,即差异为

  • < _year会切换到下个世纪
  • >= _year会切换到上个世纪

将此视为时间轴:

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 被映射到时间范围 _year - 49 .. _year + 50 并且 _year 设置为这个 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止点。

*) 请注意,这两个变量未记录,但在撰写本文时的最新稳定版本 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。