python - 如何在 strptime 中使用俄语日期字符串

我用 python 解析 html，有日期字符串: [ 24-Янв-17 07:24 ] 。 “Янв”是“扬”。我想将其转换为日期时间对象。

# 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:


type(timeData) 返回 unicode。从 timeData 编码 utf-8 返回 UnicodeEncodeError 。怎么了？

chardet 返回 {'confidence': 0.87625, 'encoding': 'utf-8'} ，当我写: datetime.datetime.strptime(timeData.encode('utf-8'), ...) 它返回错误如上。

原始页面具有 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

快速解决

知道了! янв 在 CPython 2.7.12 中必须是小写的。代码(在 cygwin 上的 CPy 2.7.12 和 CPy 3.4.5 中有效):

# 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 中工作，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

要在 Python 2 中处理这个一般 ，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

我不能用你的 beautifulsoup 代码测试它，但是，一般来说，得到 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 源代码中查找 strptime ( search ) 的代码。我找到了方便的 _strptime 模块，其中包含 class LocaleTime 。我还发现了一个 mention 的 LocaleTime 。要打印可用的月份名称，请执行以下操作(添加到上面“快速修复”下的代码末尾):

from _strptime import LocaleTime
lt = LocaleTime()
print(lt.a_month)

a_month 每个 the source 都有缩写的月份名称。

在 Py3 上，结果如下:

['', 'янв', 'фев', 'мар', 'апр', 'май', 'июн', 'июл', 'авг', 'сен', 'окт', 'ноя', 'дек']
      ^ lowercase!

在 Py2 上，产生:

['', '\xd1\x8f\xd0\xbd\xd0\xb2',

还有一堆。请注意，第一个字符是 \xd1\x8f ，并且在您的错误消息中， \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/