忆君迢迢隔青天，昔日横波目，今作流泪泉。
Python 默认支持时间序列的库有很多，通常 time 和 datetime 是用的最多的，虽然他们在一般情形下绝对够用，但是总有一些比较奇葩的时间格式的需求，而我们也就不能仅限于这两个 Python 自带的库。
DateParser 和 Dateutil
这是两款比较友好的用于处理各种时间格式的第三方库，它能将各种奇怪写法的时间转换成标准的时间格式，比如：
1# -*- coding: utf-8 -*- 2# @Time : 2020-12-05 16:46 3import time 4import dateparser 5from dateutil import parser 6 7print(dateparser.parse("2020/11/7 5:01:08")) 8print(parser.parse("2020")) 9
碰到个需求
最近在做一些自动化文件导出的时候，由于有一些平台有导出的数量限制，比如某某平台如果所选时间是半年，然后累计数据量达到 50w，就会导出失败。
对于这种情况就要做一下时间切分，比如可以分为按月，甚至按周来进行导出，也就是 rangeTime。
当在 Google 上搜索 Python time 或者 Datetime 切分时间的时候发现并没有什么结果，然后就会想起有个更牛的处理时间的库，也就是 Arrow 了。
很多的博客对 Arrow 的讲解也都是一带而过，贴出官方的例子，并没有应用于实际的项目，所以更多 Arrow 的用法也就没有提到。
Arrow
和 DateParser 一样，Arrow 底层也是用 datetime 封装的，在特定的地方可以和 datetime 进行交互。
一些用法展示：
1# -*- coding: utf-8 -*- 2# @Time : 2020-12-05 16:46 3i = arrow.now() 4 5# i.replace(day=1) 替换时间为 1 号 6# i.shift(months=-1) 偏移量，往前推一个月 7# i.format('YYYY-MM-DD') 转换为你想要的时间格式 8 9print(i.shift(days=-30).format('YYYY-MM-DD')) 10print(i.shift(months=-3).format('YYYY-MM-DD')) 11 12# 配合使用，链式法则 13print(i.replace(day=1).shift(months=-1).format('YYYY-MM-DD')) 14print(i.replace(day=1).shift(months=-1).format('YYYY-MM-DD HH:mm:ss'))
回到解决刚才的那个需求， Arrow 的时间区间属性可以在一段时间中根据不同时间粒度来进行切分，来达到我们的需求。
1# -*- coding: utf-8 -*- 2# @Time : 2020-12-05 16:46 3import arrow 4 5 6# 开始于当前时间，往前推 120 天 7end = datetime.datetime.now() 8start = end + datetime.timedelta(days=-120) 9 10# 获取 120 内的时间范围，以月划分 11def timeYmdRange(start=start,end=end): 12 tRange = [] 13 for r in arrow.Arrow.span_range('months', start, end): 14 qTime = [i.format('YYYY-MM-DD') for i in r] 15 tRange.append(qTime) 16 return tRange 17 18# 获取 120 内的时间范围，以周划分 19def timeWeekRange(start=start,end=end): 20 tRange = [] 21 for r in arrow.Arrow.span_range('weeks', start, end): 22 qTime = [i.format('YYYY-MM-DD') for i in r] 23 tRange.append(qTime) 24 return tRange 25 26# 自定义时间格式，按月划分，结果为 202011 27def timeMonthRange(start=start,end=end): 28 tRange = [] 29 for r in arrow.Arrow.range('months', start, end): 30 qTime = r.format('YYYYMM') 31 tRange.append(qTime) 32 return tRange 33 34for r in timeHmsRange(start, end): 35 print(','.join(r)) 36 37print(timeWeekRange())
这样一来就可以满足我们的需求，并且保证在特定时间区间内不会重复天数(或者更小的时间粒度)，不要使用很多很多的时间处理库，用的越多也就更加错综复杂，有那么一两款好用，易用的时间库足矣，哈哈 ！！
-------------------********************************** End **********-------------**-----********-**********************************
往期精彩文章推荐：
欢迎各位大佬点击链接加入群聊【helloworld开发者社区】：https://jq.qq.com/?_wv=1027&k=mBlk6nzX进群交流IT技术热点。
本文转自 https://mp.weixin.qq.com/s/WDbourh6lo2E5ho6DjOMJQ，如有侵权，请联系删除。