datetime模块是python处理日期时间的核心工具，提供date、time、datetime、timedelta和timezone等类，支持创建、格式化、解析及加减运算。通过datetime.now()获取当前时间，date.today()获取当前日期，strptime()从字符串解析时间，strftime()格式化输出。timedelta用于日期加减，自动处理闰年和月份天数差异。时区处理需区分“天真”与“感知”时间，推荐使用zoneinfo模块（Python 3.9+）进行时区转换，避免夏令时问题。建议内部统一用UTC时间存储计算，展示时再转为本地时区。
在Python中处理日期和时间，
datetime
模块无疑是我们的主力工具。它提供了一系列类，如
date
、
time
、
datetime
、
timedelta
和
timezone
，让我们能够方便地创建、操作、格式化和解析日期时间对象，无论是简单的日期计算，还是复杂的时区转换，它都能提供坚实的基础。
在Python中处理日期和时间，
datetime
模块无疑是我们的主力工具。它提供了一系列类，如
date
、
time
、
datetime
、
timedelta
和
timezone
，让我们能够方便地创建、操作、格式化和解析日期时间对象，无论是简单的日期计算，还是复杂的时区转换，它都能提供坚实的基础。
解决方案
datetime
模块的核心在于它的几个类。我们通常从
datetime
类开始，因为它结合了日期和时间信息。
要获取当前日期和时间，最直接的方式是：
立即学习“Python免费学习笔记（深入）”；
from datetime import datetime, date, time, timedelta # 获取当前日期和时间 now = datetime.now() print(f"当前日期时间: {now}") # 输出类似 2023-10-27 10:30:45.123456 # 获取当前日期（不含时间） today = date.today() print(f"今天日期: {today}") # 输出类似 2023-10-27 # 创建特定的日期时间 specific_dt = datetime(2023, 1, 15, 14, 30, 0) print(f"特定日期时间: {specific_dt}") # 输出 2023-01-15 14:30:00 # 从字符串解析日期时间 date_str = "2023-03-08 10:00:00" parsed_dt = datetime.strptime(date_str, "%Y-%m-%d %H:%M:%S") print(f"解析后的日期时间: {parsed_dt}") # 格式化日期时间为字符串 formatted_str = parsed_dt.strftime("%Y年%m月%d日 %H时%M分") print(f"格式化后的字符串: {formatted_str}") # 输出 2023年03月08日 10时00分 # 日期时间计算：使用 timedelta one_day = timedelta(days=1) tomorrow = now + one_day print(f"明天: {tomorrow}") one_hour_ago = now - timedelta(hours=1) print(f"一小时前: {one_hour_ago}") # 计算两个 datetime 对象之间的差值 time_difference = tomorrow - now print(f"时间差: {time_difference}") # 输出类似 1 day, 0:00:00 print(f"时间差的天数: {time_difference.days}") print(f"时间差的秒数: {time_difference.total_seconds()}")
这展示了
datetime
模块最核心也最常用的功能。你可以看到，从创建到格式化，再到简单的加减运算，都非常直观。
日期时间格式化与解析的常见陷阱
说实话，每次用到
strftime
和
strptime
，我总得去查一下那些格式代码，什么
%Y
、
%m
、
%d
、
%H
、
%m
、
%S
。这玩意儿记忆起来确实有点挑战，但一旦掌握了，就发现它无所不能。最大的坑，我觉得就是格式字符串和实际日期时间字符串不匹配。一个字符的差异，就能让
strptime
直接抛出
ValueError
。
比如，你有一个日期字符串是 “2023/10/27″，但你却用
"%Y-%m-%d"
去解析，那肯定会报错。正确的做法是
"%Y/%m/%d"
。另一个常见问题是，当字符串中包含毫秒或微秒时，如果你的格式字符串没有对应
%f
，那么这部分信息就会被忽略，或者导致解析失败。
from datetime import datetime # 错误的解析示例 date_str_wrong_format = "2023-10-27" try: datetime.strptime(date_str_wrong_format, "%Y/%m/%d") except ValueError as e: print(f"解析错误：{e}") # time data '2023-10-27' does not match format '%Y/%m/%d' # 正确的解析 parsed_ok = datetime.strptime(date_str_wrong_format, "%Y-%m-%d") print(f"正确解析: {parsed_ok}") # 带有微秒的字符串解析 dt_with_microseconds_str = "2023-10-27 10:30:45.123456" # 如果没有 %f，微秒部分会被忽略或报错（取决于具体情况，有时会成功但丢弃微秒） parsed_no_micros = datetime.strptime(dt_with_microseconds_str, "%Y-%m-%d %H:%M:%S.%f") print(f"包含微秒的解析: {parsed_no_micros}")
还有一点，就是
strftime
和
strptime
都是基于本地时间的。如果你在处理跨时区的数据，或者你的服务器时区和预期不同，这可能会导致一些隐蔽的bug。这引出了我们下一个要讨论的复杂话题。
处理日期时间计算：
timedelta
timedelta
的妙用
timedelta
是
datetime
模块中一个非常强大的工具，它代表的是两个
datetime
或
date
对象之间的时间差。我个人觉得它最棒的地方在于，它让日期时间的加减运算变得异常直观和安全。你不需要去担心月份天数不同、闰年之类的细节，
timedelta
会帮你处理好。
想象一下，你需要计算某个事件发生后30天是哪一天，或者一个任务持续了多少小时。
timedelta
就是为此而生的。
from datetime import datetime, timedelta # 获取当前时间 current_time = datetime.now() print(f"当前时间: {current_time}") # 计算未来30天后的日期 future_date = current_time + timedelta(days=30) print(f"30天后: {future_date}") # 计算过去12小时前的日期时间 past_time = current_time - timedelta(hours=12) print(f"12小时前: {past_time}") # 组合多个时间单位 complex_delta = timedelta(weeks=2, days=3, hours=4, minutes=5, seconds=6) future_complex = current_time + complex_delta print(f"复杂时间差后的日期: {future_complex}") # 计算两个日期时间对象之间的差值 event_start = datetime(2023, 10, 20, 9, 0, 0) event_end = datetime(2023, 10, 27, 17, 30, 0) duration = event_end - event_start print(f"事件持续时间: {duration}") print(f"持续天数: {duration.days}") print(f"持续秒数（总计）: {duration.total_seconds()}") # 判断一个日期是否在某个时间段内 some_date = datetime(2023, 10, 25, 12, 0, 0) if event_start <= some_date <= event_end: print(f"{some_date} 在事件期间内。") else: print(f"{some_date} 不在事件期间内。")
timedelta
对象本身也可以进行加减乘除运算，这在需要按比例调整时间间隔时非常有用。比如，你有一个任务周期是7天，现在你想把它缩短到一半，直接
timedelta(days=7) / 2
就可以得到 3.5 天的
timedelta
。这种灵活性，让日期时间计算变得异常强大且不容易出错。
时区处理：
datetime
datetime
的一个复杂面
说实话，时区处理是
datetime
模块里最让我头疼的部分之一。Python 的
datetime
对象默认是“天真（naive）”的，也就是说，它不包含任何时区信息。这在处理本地时间时没问题，但一旦涉及跨时区操作或需要精确到UTC时间，麻烦就来了。
在Python 3.9之前，我们通常会引入第三方库
pytz
来处理时区。从Python 3.9开始，标准库提供了
zoneinfo
模块，它利用了系统自带的 IANA 时区数据库，使得时区处理变得更加规范。
核心概念是“天真（naive）”和“感知（aware）”的
datetime
对象。
- 天真（Naive）：没有时区信息，
dt.tzinfo
为
None
。
- 感知（Aware）：包含时区信息，
dt.tzinfo
是一个
timezone
对象。
from datetime import datetime, timedelta, timezone # Python 3.9+ 推荐使用 zoneinfo try: from zoneinfo import ZoneInfo except ImportError: # 如果是旧版本Python，可以使用 pytz print("zoneinfo 模块不可用，请考虑升级Python或安装 pytz 库。") # from pytz import timezone as PytzTimezone # import pytz # 获取当前UTC时间 utc_now = datetime.now(timezone.utc) print(f"当前UTC时间: {utc_now}") # 创建一个天真 datetime 对象 naive_dt = datetime(2023, 10, 27, 10, 30, 0) print(f"天真 datetime: {naive_dt}, tzinfo: {naive_dt.tzinfo}") # 将天真 datetime 转换为感知 datetime（假设它是某个时区的时间） # 以纽约时区为例 if 'ZoneInfo' in locals(): ny_tz = ZoneInfo("America/New_York") aware_dt_ny = naive_dt.replace(tzinfo=ny_tz) # 这种方式需要注意，如果naive_dt是夏令时或冬令时边界，可能会有问题 print(f"纽约时区的感知 datetime: {aware_dt_ny}, tzinfo: {aware_dt_ny.tzinfo}") # 更安全的做法是使用时区的 localize 方法（pytz也有类似方法） # 或者直接创建时区感知的 datetime dt_in_ny = datetime(2023, 10, 27, 10, 30, 0, tzinfo=ny_tz) print(f"直接创建的纽约时区感知 datetime: {dt_in_ny}") # 从一个时区转换到另一个时区 # 假设 dt_in_ny 是纽约时间，想转换成上海时间 sh_tz = ZoneInfo("Asia/Shanghai") dt_in_sh = dt_in_ny.astimezone(sh_tz) print(f"转换到上海时间: {dt_in_sh}") # 获取当前本地时区的感知 datetime local_tz = datetime.now().astimezone().tzinfo local_aware_now = datetime.now(local_tz) print(f"当前本地时区感知 datetime: {local_aware_now}") else: print("由于zoneinfo不可用，跳过部分时区处理示例。") # 注意：直接用 replace(tzinfo=...) 将天真 datetime 转换为感知 datetime， # 如果原始天真 datetime 恰好落在夏令时切换的“跳过时间”或“重复时间”上， # 可能会导致不准确或歧义。更稳妥的做法是使用时区对象的 `localize` 方法（如 pytz） # 或直接创建时区感知的 datetime 对象。
时区处理的复杂性主要体现在夏令时（DST）的切换上，这会导致一年中某些日期不存在或重复。
zoneinfo
和
pytz
都能很好地处理这些边缘情况，但前提是你得理解“天真”和“感知”的区别，并始终使用感知型
datetime
对象进行跨时区操作。我的经验是，尽可能在程序内部统一使用 UTC 时间进行存储和计算，只在展示给用户时才转换到用户所在的时区。这样能大大减少时区问题带来的困扰。
评论（已关闭）
评论已关闭