166 lines
5.9 KiB
Python
166 lines
5.9 KiB
Python
import datetime
|
||
import re
|
||
|
||
|
||
def format_chinese_date(date_str):
|
||
"""
|
||
将包含中文字符的日期字符串格式化为标准的 'YYYY-MM-DD HH:MM:SS' 格式。
|
||
|
||
参数:
|
||
date_str (str): 输入的中文日期字符串，例如 "20 19 年7 月18日 09： 30整"
|
||
|
||
返回:
|
||
str: 格式化后的日期字符串，例如 "2019-07-18 09:30:00"
|
||
如果格式错误，返回 None 并打印错误信息。
|
||
"""
|
||
# 检查输入类型
|
||
if not isinstance(date_str, str):
|
||
print(f"输入类型错误: 期望字符串类型，实际类型为 {type(date_str)}")
|
||
return None
|
||
|
||
# print("------------")
|
||
# print(f"原始输入: {date_str}")
|
||
# 预处理：删除第一个数字之前的所有字符
|
||
date_str = re.sub(r'^[^\d]*', '', date_str)
|
||
# 1. 删除所有空格
|
||
date_str = ''.join(date_str.split())
|
||
|
||
# 1.5 删除括号及其内容（中文括号）
|
||
date_str = re.sub(r'（.*?）', '', date_str)
|
||
|
||
# 2. 使用正则表达式移除所有非数字和非必要的中文字符
|
||
# 只保留数字、年、月、日、时、分、秒、冒号、减号
|
||
date_str = re.sub(r'[^\d年月日时分秒点:：\-]', '', date_str)
|
||
|
||
# print(f"去除多余字符后: {date_str}")
|
||
|
||
# 3. 替换全角冒号为半角冒号
|
||
date_str = date_str.replace('：', ':')
|
||
|
||
# 4. 替换'年'和'月'为 '-', '日'为 ' '，确保日期和时间之间有一个空格
|
||
date_str = date_str.replace('年', '-').replace('月', '-').replace('日', ' ')
|
||
# 替换'时'、'分'为 ':'，并移除'秒'
|
||
date_str = date_str.replace('时', ':').replace('点',':').replace('分', ':').replace('秒', '')
|
||
|
||
# print(f"替换分隔符后: {date_str}")
|
||
|
||
# 5. 处理时间部分
|
||
if ' ' not in date_str:
|
||
# 如果没有时间部分，添加默认时间
|
||
date_str += ' 00:00:00'
|
||
else:
|
||
# 分割日期和时间部分
|
||
parts = date_str.split(' ', 1)
|
||
if len(parts) != 2:
|
||
# Unexpected format
|
||
print(f"日期格式错误: 分割后部分数不正确 - {date_str}")
|
||
return None
|
||
date_part, time_part = parts
|
||
|
||
if not time_part:
|
||
# 时间部分为空，设置为默认时间
|
||
time_part = '00:00:00'
|
||
else:
|
||
# 如果时间部分只有小时和分钟，添加秒
|
||
time_components = time_part.split(':')
|
||
if len(time_components) == 1:
|
||
# 只有小时
|
||
time_part = f"{time_components[0]:0>2}:00:00"
|
||
elif len(time_components) == 2:
|
||
# 小时和分钟
|
||
time_part = f"{time_components[0]:0>2}:{time_components[1]:0>2}:00"
|
||
elif len(time_components) == 3:
|
||
# 小时、分钟和秒
|
||
time_part = f"{time_components[0]:0>2}:{time_components[1]:0>2}:{time_components[2]:0>2}"
|
||
else:
|
||
# 超过3个部分，格式错误
|
||
print(f"日期格式错误: 时间部分格式不正确 - {time_part}")
|
||
return None
|
||
|
||
# 补齐日期部分中的月和日为双数字
|
||
date_parts = date_part.split('-')
|
||
if len(date_parts) != 3:
|
||
print(f"日期格式错误: 日期部分格式不正确 - {date_part}")
|
||
return None
|
||
year, month, day = date_parts
|
||
month = month.zfill(2)
|
||
day = day.zfill(2)
|
||
date_part = f"{year}-{month}-{day}"
|
||
|
||
date_str = f"{date_part} {time_part}"
|
||
|
||
# print(f"最终处理后字符串: {date_str}")
|
||
|
||
# 6. 定义输入字符串的格式
|
||
input_format = "%Y-%m-%d %H:%M:%S"
|
||
|
||
try:
|
||
# 解析字符串为 datetime 对象
|
||
dt = datetime.datetime.strptime(date_str, input_format)
|
||
|
||
# 格式化为所需的输出格式
|
||
formatted_date = dt.strftime("%Y-%m-%d %H:%M:%S")
|
||
return formatted_date
|
||
except ValueError as e:
|
||
print(f"日期格式错误: {e} - 处理后的字符串: '{date_str}'")
|
||
return None
|
||
|
||
|
||
# 示例使用
|
||
if __name__ == "__main__":
|
||
input_dates = [
|
||
# 完整的日期和时间
|
||
"2022 年 8 月 18 日 下午 16 :0 0",
|
||
"2019年7月18日09：30",
|
||
"20 19 年7 月18日 09： 30整（北京时间）",
|
||
"2020年02月05日12时30分45秒",
|
||
"2021年3月15日16:45:30",
|
||
"2022年6月30日23时59分59秒",
|
||
"2023年01月01日00时00分00秒",
|
||
"2024年12月31日23:59:59",
|
||
|
||
# 仅有日期，没有时间
|
||
"2020年12月5日",
|
||
"2021年5月1日",
|
||
"2022年02月29日", # 闰年
|
||
"2023年04月31日", # 无效日期
|
||
"2021年13月1日", # 无效月份
|
||
"2021年00月10日", # 无效月份
|
||
"2021年05月00日", # 无效日期
|
||
"2021年05月32日", # 无效日期
|
||
|
||
# 日期和部分时间
|
||
"2020年2月5日12时",
|
||
"2020年2月5日12时30分",
|
||
"2021年3月15日16:",
|
||
"2023年01月01日00：00",
|
||
"2021年5月1日07时5分5秒",
|
||
"2021年5月1日07:5:5",
|
||
|
||
# 带有不同中文字符和额外内容
|
||
"2020年02月05日12:30整",
|
||
"2021年3月15日16:45（上午）",
|
||
"2022年6月30日23:59:59（夜间）",
|
||
"2023年01月01日00:00（凌晨）",
|
||
"2024年02月29日00:00:00（闰年）",
|
||
|
||
# 不同的时间表示方式
|
||
"2022年6月30日23：59：59",
|
||
"2023年01月01日00：00",
|
||
"2021年3月15日16时45分",
|
||
"2020年02月05日12：30：45",
|
||
|
||
# 无效的日期字符串
|
||
"无效日期字符串",
|
||
"2021年5月1日25时00分00秒", # 无效小时
|
||
"2021年5月1日23时60分00秒", # 无效分钟
|
||
"2021年5月1日23时59分60秒", # 无效秒
|
||
]
|
||
|
||
for input_date in input_dates:
|
||
formatted = format_chinese_date(input_date)
|
||
print(type(formatted))
|
||
print(f"原始输入: {input_date} -> 格式化后: {formatted}\n")
|
||
if not formatted:
|
||
print("error!")
|