dateutil.parser 解析“%Y:%m:%d”格式的日期时出现奇怪的结果

Question

我喜欢

dateutil.parser

并且经常使用它，所以我不必担心日期时间格式不一致，并且在大多数情况下它对我来说非常可靠。

但是今天我花了一个小时进行调试，试图理解为什么我在数据库中填充的日期全部来自 2022 年。日期格式为：

2009:05:03 08:12:37

，存储在照片元数据中并使用

exif

包提取。

感觉它应该是一种相当简单的解析格式，但这就是我分别使用

dateutil

和

datetime

模块得到的结果：

from dateutil.parser import parse
import datetime as dt

date_string = '2009:05:03 08:12:37'

wrong = parse(date_string, fuzzy=True)
correct = dt.datetime.strptime(date_string, "%Y:%m:%d %H:%M:%S")

print(wrong)
print(correct)

出：

2022-07-25 08:12:37
2009-05-03 08:12:37

正常解析和模糊解析都给出相同的结果。很奇怪，我什至不明白它是如何得出这个精确结果的。

它看起来尝试解析并成功完成时间，但无法解析日期并默认设置当前日期。这感觉像是一种非常危险的行为。它应该引发异常。

Answer 1

dateutil.parser.parse

参数

default

说：

默认日期时间对象，如果这是日期时间对象而不是

None

，则

timestr

中指定的元素将替换默认对象中的元素。

Github 上的parser.parse()

代码非常清楚

：

        if default is None:
            default = datetime.datetime.now().replace(hour=0, minute=0,
                                                      second=0, microsecond=0)

但是记录的行为并没有表明这一点，我同意你的观点，结果是令人惊讶的。

至于为什么失败，稍后会

_timelex.split(timestr)

，最终调用_timelex.get_token()。它是一个用纯Python实现的状态机，用于解析时间字符串，并且它正确返回标记['2009', ':', '05', ':', '03', ' ', '08', ':', '12', ':', '37']

。

但随后
_parse()

 会迭代它们并尝试解释它们，因此它会调用 

_parse_numeric_token() 。该函数尝试将标记与特定情况进行匹配。在某些情况下，“ymd”（年/月/日）被设置（你想要的）：

• YYMMDD

  （第一个没有任何空格或点的标记 (

  .

  )）

• YYYYMMDD[HHMM[ss]]

  （第一个没有空格的标记，包括时间）

令牌后跟
• -/. 之一
最后一个标记或后跟任何
• .,;-/'

  （或 

  at/on/and/ad/m/t/of/st/nd/rd/th

   的任何单词）

代币可能是一天

但它与“后跟

:

”的情况匹配，然后将其解释为 

HH:MM:SS

 为 

_result(hour=2009, minute=5, second=3, microsecond=0)

。它消耗了前 5 个代币（整个预期的 YMD）。之后，它会跳过空白，返回到 

_parse_numeric_token()

，匹配完全相同的大小写并将 HMS 覆盖到 

_result(hour=8, minute=12, second=37, microsecond=0)

。

它没有找到任何YMD，所以
ymd.resolve_ymd()

没有做任何事情。

回到

parse()

（没有前导下划线），它通过将 

parse() 结果字段替换为 default

，构建了一个简单的

日期时间（无时区），最终成为最终结果。我认为这可能是在 GitHub 上打开

问题的原因

，但我担心它可能会被视为“无法修复”，因为您提供的数据很奇怪：时间部分通常由冒号分隔，而日期部分是（基本上）永远不会被它们分隔（参见ISO 8601）。我以前从未见过这种日期时间格式。 我建议您要么修复生成此格式错误的数据的代码，要么添加类似

if malformed := re.match("(\d)+:(\d+):(\d+) (\d+:\d+:\d+)", date_string): date_string = f"{malformed.group(0)}-{malformed.group(1)}-{malformed.group(2)} {malformed.group(3)}"

的内容 以 dateutil 解析器期望的格式重新格式化数据。

关于

---

fuzzy 

：

是否允许模糊解析，允许类似“Today is January 1, 2047 at 8:21:00AM”这样的字符串。

它实际上做的是在

_parse()

函数中，它尝试找到当前标记的匹配项，如果没有匹配，则不会引发

ValueError

if

fuzzy

。因此，对于任何有效的非模糊输入，模糊结果将是相同的。

在这种情况下，它不会改变任何内容（但它可能对您收到的其他 date_strings 有用，我不知道）。