python處理時間日期的核心模塊是datetime，它提供了date、time、datetime、timedelta和tzinfo五個關鍵類。1. 要將字符串轉換為datetime對象，需使用datetime.strptime()方法，并確保格式字符串與輸入嚴格匹配；2. 計算兩個日期之間的時間差可通過減法操作獲得timedelta對象，并用total_seconds()獲取總秒數；3. 處理時區問題時，應使用“感知”時間對象（aware），通過zoneinfo模塊指定時區，并利用astimezone()進行時區轉換，避免naive與aware對象直接比較。這些類和方法共同構成了python中靈活處理時間數據的基礎。
Python處理時間日期，datetime模塊是核心工具，它提供了一套全面且靈活的類來表示日期、時間、時間間隔，并進行各種操作。無論是記錄事件發生的時間點，計算兩個日期之間的時長，還是將時間戳轉換為可讀格式，datetime都能勝任，是Python開發者處理時間數據時繞不開的選擇。
解決方案
datetime模塊的核心在于其幾個關鍵的類：date（日期）、time（時間）、datetime（日期和時間）、timedelta（時間差）以及tzinfo（時區信息）。理解它們之間的關系和用法是掌握這個模塊的關鍵。
通常，我們從創建一個datetime對象開始。最直接的方式是獲取當前時間：
立即學習“Python免費學習筆記（深入）”；
from datetime import datetime, timedelta, timezone # 獲取當前日期和時間 now = datetime.now() print(f"當前時間（本地）：{now}") # 獲取當前UTC時間 utc_now = datetime.utcnow() # Python 3.11+ 推薦使用 datetime.now(timezone.utc) print(f"當前時間（UTC）：{utc_now}") # 創建一個特定的日期時間 specific_dt = datetime(2023, 10, 26, 14, 30, 0) print(f"特定時間：{specific_dt}") # 從字符串解析日期時間 (strptime) # 格式字符串必須與輸入字符串嚴格匹配 date_str = "2023-10-26 14:30:00" dt_from_str = datetime.strptime(date_str, "%Y-%m-%d %H:%M:%S") print(f"從字符串解析：{dt_from_str}") # 將日期時間格式化為字符串 (strftime) formatted_dt = dt_from_str.strftime("%Y年%m月%d日 %H時%M分%S秒") print(f"格式化輸出：{formatted_dt}") # 日期和時間運算 (timedelta) future_dt = now + timedelta(days=7, hours=3) print(f"七天三小時后：{future_dt}") past_dt = now - timedelta(weeks=2) print(f"兩周前：{past_dt}") # 計算時間差 duration = future_dt - now print(f"時間差：{duration}") print(f"時間差的總秒數：{duration.total_seconds()}")
我個人覺得，datetime模塊的設計哲學就是把時間這個抽象概念具象化，每個類都對應一個特定的時間維度。datetime.now()無疑是最常用的入口點，它能讓你快速拿到一個時間快照。而strptime和strftime則像是時間旅行的翻譯器，負責在人類可讀的字符串和機器可理解的datetime對象之間來回轉換，這在數據導入導出、日志分析等場景下簡直是必備技能。
Python中如何將字符串轉換為日期時間對象？
將字符串轉換為datetime對象，主要依靠datetime.strptime()方法。這個方法需要兩個參數：待解析的字符串和格式代碼字符串。格式代碼字符串是關鍵，它告訴strptime如何理解你的日期時間字符串。如果格式不匹配，strptime就會毫不留情地拋出ValueError。
舉個例子，假設你從某個系統日志里讀到一行時間戳是”2023/10/26 14:30:00″，而你習慣的格式是”yyYY-MM-DD HH:MM:SS”，這時候就得用到strptime。
from datetime import datetime # 常見格式示例 str1 = "2023-10-26 14:30:00" dt1 = datetime.strptime(str1, "%Y-%m-%d %H:%M:%S") print(f"格式1解析：{dt1}") str2 = "Oct 26, 2023 2:30 PM" # 注意月份縮寫是 %b，小時是12小時制 %I，上下午是 %p dt2 = datetime.strptime(str2, "%b %d, %Y %I:%M %p") print(f"格式2解析：{dt2}") str3 = "26/10/23 14:30" dt3 = datetime.strptime(str3, "%d/%m/%y %H:%M") print(f"格式3解析：{dt3}") # 錯誤的格式匹配會導致 ValueError try: datetime.strptime("2023-10-26", "%Y/%m/%d") except ValueError as e: print(f"解析錯誤：{e}") # 會提示 time data '2023-10-26' does not match format '%Y/%m/%d'
這里面，%Y代表四位年份，%m是兩位月份，%d是兩位日期，%H是24小時制的小時，%M是分鐘，%S是秒。如果你的字符串里有毫秒，需要用%f。處理strptime時，我個人最常遇到的問題就是格式字符串和實際字符串不完全匹配，哪怕只是一個空格或一個標點符號不對，都會報錯。所以，在實際開發中，如果時間字符串來源復雜，我會傾向于先進行一些預處理，或者嘗試多種格式匹配，直到成功。
如何計算兩個日期之間的時間差？
計算兩個datetime對象之間的時間差，datetime模塊提供了timedelta類。當你將兩個datetime對象相減時，結果就是一個timedelta對象，它表示了兩個時間點之間的時間長度。
timedelta對象本身包含天數、秒數和微秒數。你可以直接訪問這些屬性，或者使用total_seconds()方法獲取總秒數，這對于需要精確到秒的計時場景非常有用。
from datetime import datetime, timedelta start_time = datetime(2023, 1, 1, 10, 0, 0) end_time = datetime(2023, 1, 15, 15, 30, 0) # 直接相減得到 timedelta 對象 duration = end_time - start_time print(f"起始時間：{start_time}") print(f"結束時間：{end_time}") print(f"時間差：{duration}") # 訪問 timedelta 的屬性 print(f"天數：{duration.days}") print(f"秒數（不含天數部分）：{duration.seconds}") # 這里的seconds是剩余不足一天的秒數 print(f"微秒數：{duration.microseconds}") # 獲取總秒數 print(f"總秒數：{duration.total_seconds()}") # timedelta 也可以用來增加或減少時間 project_start = datetime.now() delivery_deadline = project_start + timedelta(weeks=3, days=2, hours=8) print(f"項目開始：{project_start}") print(f"預計交付：{delivery_deadline}") # 計算一個任務耗時 task_start = datetime(2023, 10, 26, 9, 0, 0) task_end = datetime(2023, 10, 26, 17, 45, 30) task_duration = task_end - task_start print(f"任務耗時：{task_duration}") print(f"任務耗時（小時）：{task_duration.total_seconds() / 3600:.2f}")
timedelta的強大之處在于它能以直觀的方式表示時間跨度，并且可以方便地進行加減運算。比如，在排班系統里，計算員工工作時長；在項目管理中，估算任務周期；或者在數據分析時，計算事件間隔，timedelta都扮演著核心角色。我發現，很多時候人們會忘記timedelta.seconds只返回不足一天的秒數，而total_seconds()才是獲取總秒數的正確姿勢，這點在使用時需要特別留意。
處理時區問題時，Python datetime模塊有哪些注意事項？
時區問題，在分布式系統或國際化應用中，是datetime模塊最容易讓人“踩坑”的地方。Python的datetime對象默認是“naive”（天真）的，這意味著它們不包含任何時區信息。當你在不同時區之間傳遞或比較這些“天真”的datetime對象時，就可能出現巨大的偏差。
要正確處理時區，我們需要使用“aware”（感知）的datetime對象。這通常通過tzinfo屬性來實現。在Python 3.9+中，標準庫提供了zoneinfo模塊來處理時區，而在早期版本中，通常需要安裝第三方庫pytz。
from datetime import datetime, timezone, timedelta from zoneinfo import ZoneInfo # Python 3.9+ # 1. Naive datetime (默認，不帶時區信息) naive_dt = datetime(2023, 10, 26, 14, 30, 0) print(f"天真的時間：{naive_dt} (tzinfo: {naive_dt.tzinfo})") # 2. Aware datetime (帶有時區信息) # 獲取UTC時間，并使其感知 utc_aware_dt = datetime.now(timezone.utc) print(f"UTC感知時間：{utc_aware_dt} (tzinfo: {utc_aware_dt.tzinfo})") # 使用 zoneinfo 獲取特定時區的時間 # 確保你的系統安裝了 tzdata try: london_tz = ZoneInfo("Europe/London") tokyo_tz = ZoneInfo("Asia/Tokyo") # 創建一個帶有時區的時間對象 london_time = datetime(2023, 10, 26, 14, 30, 0, tzinfo=london_tz) print(f"倫敦時間：{london_time}") # 將倫敦時間轉換為東京時間 tokyo_time = london_time.astimezone(tokyo_tz) print(f"轉換為東京時間：{tokyo_time}") # 將UTC時間轉換為本地時區 local_tz = ZoneInfo("America/New_York") # 假設你的本地時區 utc_to_local = utc_aware_dt.astimezone(local_tz) print(f"UTC時間轉換為紐約時間：{utc_to_local}") except Exception as e: print(f"時區處理錯誤或zoneinfo未配置：{e}") print("請確保您的系統安裝了tzdata，或使用pip install pytz安裝pytz庫。") # 3. Naive與Aware的比較陷阱 # 直接比較naive和aware的datetime會報錯 try: if naive_dt > utc_aware_dt: pass except TypeError as e: print(f"天真與感知時間比較錯誤：{e}") # 會提示 can't compare offset-naive and offset-aware datetimes
我個人的經驗是，一旦你的應用需要處理跨時區數據，就必須從一開始就強制所有datetime對象都是“aware”的，并且通常建議以UTC時間作為內部存儲和傳輸的標準。只有在展示給用戶時，才將其轉換為用戶所在的時區。astimezone()方法是進行時區轉換的核心，它能幫你把一個感知時間對象從一個時區轉換到另一個時區。記住，永遠不要直接對“天真”的時間對象進行時區轉換或比較，這幾乎一定會導致難以追蹤的bug。
