我用 python 解析 html 并且有日期字符串:[ 24-Янв-17 07:24 ]
。 “Янв”是“一月”。我想将它转换成日期时间对象。
# Some beautifulsoup parsing
timeData = data.find('div', {'id' : 'time'}).text
import locale
locale.setlocale(locale.LC_TIME, 'ru_RU.UTF-8')
result = datetime.datetime.strptime(timeData, u'[ %d-%b-%y %H:%M ]')
错误是:
ValueError: time data '[ 24-\xd0\xaf\xd0\xbd\xd0\xb2-17 07:24 ]' does not match format '[ %d-%b-%y %H:%M ]'
type(timeData)
返回 unicode。从 utf-8
编码 timeData
返回 UnicodeEncodeError
。怎么了?
chardet 返回 {'confidence': 0.87625, 'encoding': 'utf-8'}
当我写的时候:datetime.datetime.strptime(timeData.encode('utf- 8'), ...)
返回错误如上。
原始页面有 window-1251
编码。
print type(timeData)
print timeData
timeData = timeData.encode('cp1251')
print type(timeData)
print timeData
返回
<type 'unicode'>
[ 24-Янв-17 07:24 ]
<type 'str'>
[ 24-???-17 07:24 ]
最佳答案
快速修复
明白了! янв
在 CPython 2.7.12 中必须是小写。代码(适用于 cygwin 上的 CPy 2.7.12 和 CPy 3.4.5):
# coding=utf8
#timeData='[ 24-Янв-17 07:24 ]'
timeData='[ 24-янв-17 07:24 ]' ### lower-case
import datetime
import locale
locale.setlocale(locale.LC_TIME, 'ru_RU.UTF-8')
result = datetime.datetime.strptime(timeData, u'[ %d-%b-%y %H:%M ]')
print(result)
结果:
2017-01-24 07:24:00
如果我使用大写的 Янв
,它在 Py 3 中有效,但在 Py 2 中它给出
ValueError: time data '[ 24-\xd0\xaf\xd0\xbd\xd0\xb2-17 07:24 ]' does not match format '[ %d-%b-%y %H:%M ]'
一般情况
一般在 Python 2 中处理这个问题,小写优先(参见 this answer ):
# coding=utf8
timeData=u'[ 24-Янв-17 07:24 ]'
# ^ unicode data
import datetime
import locale
locale.setlocale(locale.LC_TIME, 'ru_RU.UTF-8')
print(timeData.lower()) # works OK
result = datetime.datetime.strptime(
timeData.lower().encode('utf8'), u'[ %d-%b-%y %H:%M ]')
## ^^^^^^^^^^^^^^ back to a string
## ^^^^^^^ lowercase
print(result)
结果:
[ 24-янв-17 07:24 ]
2017-01-24 07:24:00
我无法用你的 beautifulsoup 代码测试它,但是,一般来说,获取 Unicode 数据,然后使用上面的。
或者,如果可能的话,切换到 Python 3 :)。
解释
那我是怎么想出来的呢?我在 CPython 源代码中寻找 strptime
( search ) 的代码。我找到了方便的 _strptime
模块,包含 class LocaleTime
.我还找到了一个 mention LocaleTime
。要打印可用的月份名称,请执行此操作(添加到上面“快速修复”下代码的末尾):
from _strptime import LocaleTime
lt = LocaleTime()
print(lt.a_month)
a_month
具有每个 the source 的缩写月份名称.
在 Py3 上,产生:
['', 'янв', 'фев', 'мар', 'апр', 'май', 'июн', 'июл', 'авг', 'сен', 'окт', 'ноя', 'дек']
^ lowercase!
在 Py2 上,产生:
['', '\xd1\x8f\xd0\xbd\xd0\xb2',
还有更多。请注意,第一个字符是 \xd1\x8f
,在您的错误消息中,\xd0\xaf
不匹配。
关于python - 如何在 strptime 中使用俄语日期字符串,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41839678/