人工智能之编程进阶 Python高级

第五章 时间类模块

前言

Python 中处理 时间与日期的核心模块有三个： time、 calendar 和 datetime。它们各有侧重，适用于不同场景。下面系统介绍它们的功能、用法、区别及最佳实践。

一、 time 模块：底层时间操作（Unix 时间戳）

基于 C 语言的 time.h，提供底层时间函数，以\ \秒为单位的时间戳（Unix Timestamp）\ \为核心。

常用函数

import time
# 1. 获取当前时间戳（浮点数，单位：秒）
ts = time.time()
print("时间戳:", ts)  # 1730987654.123456
# 2. 将时间戳转为本地时间元组（struct_time）
local = time.localtime(ts)
print("本地时间:", local)
# time.struct_time(tm_year=2025, tm_mon=11, tm_mday=7, ...)
# 3. 将时间戳转为 UTC 时间元组
utc = time.gmtime(ts)
print("UTC 时间:", utc)
# 4. 格式化时间（转为字符串）
formatted = time.strftime("%Y-%m-%d %H:%M:%S", local)
print("格式化时间:", formatted)  # 2025-11-07 18:55:00
# 5. 解析时间字符串（转为时间元组）
parsed = time.strptime("2025-11-07 18:55:00", "%Y-%m-%d %H:%M:%S")
print("解析结果:", parsed)
# 6. 睡眠（暂停程序）
time.sleep(1)  # 暂停 1 秒
# 7. 获取可读时间字符串
print(time.ctime())  # Fri Nov  7 18:55:00 2025

时间格式化代码（ strftime / strptime）

| 代码     | 含义          | 示例     |

| ---------- | --------------- | ---------- |

| %Y | 四位年份      | 2025     |

| %y | 两位年份      | 25       |

| %m | 月份（01-12） | 11       |

| %d | 日（01-31）   | 07       |

| %H | 小时（00-23） | 18       |

| %M | 分钟（00-59） | 55       |

| %S | 秒（00-60）   | 30       |

| %A | 星期全名      | Friday   |

| %a | 星期缩写      | Fri      |

| %B | 月全名        | November |

| %b | 月缩写        | Nov      |

⚠️ time 模块 不处理时区转换（除本地/UTC），也不支持日期运算。

二、 calendar 模块：日历相关功能

用于生成日历、判断闰年、获取星期等。

常用功能

import calendar
# 1. 判断是否为闰年
print(calendar.isleap(2024))  # True
print(calendar.isleap(2025))  # False
# 2. 获取某月日历（文本形式）
cal_text = calendar.month(2025, 11)
print(cal_text)
#    November 2025
# Mo Tu We Th Fr Sa Su
#                1  2
#  3  4  5  6  7  8  9
# ...
# 3. 获取某月日历（列表形式）
weeks = calendar.monthcalendar(2025, 11)
print(weeks)
# [[0, 0, 0, 0, 0, 1, 2],
#  [3, 4, 5, 6, 7, 8, 9], ...]
# 4. 获取星期几（Monday=0, Sunday=6）
weekday = calendar.weekday(2025, 11, 7)  # 2025-11-07 是星期五
print("星期:", weekday)  # 4
# 5. 设置一周起始日（默认 Monday=0）
calendar.setfirstweekday(calendar.SUNDAY)
# 6. 打印全年日历
# calendar.prcal(2025)

✅ 适用场景：生成日历视图、计算工作日、节日判断等。

三、 datetime 模块：面向对象的时间处理（推荐！）

现代 Python 时间处理的首选，提供 date、 time、 datetime、 timedelta、 timezone 等类，支持 日期运算、时区、格式化等。

核心类

1. 获取当前时间

from datetime import datetime, date, time, timedelta, timezone
# 当前本地时间（无时区信息 → naive）
now = datetime.now()
print("当前时间:", now)  # 2025-11-07 18:55:00.123456
# 当前 UTC 时间
utc_now = datetime.utcnow()  # 已弃用！推荐下面方式
utc_now = datetime.now(timezone.utc)
print("UTC 时间:", utc_now)

🔔 重要：

• naive datetime：无时区信息（如 datetime.now()）
• aware datetime：有时区信息（如 datetime.now(timezone.utc)）

避免混用 naive 和 aware 对象！

2. 创建自定义时间

# 创建具体日期时间
dt = datetime(2025, 11, 7, 18, 55, 30)
print(dt)  # 2025-11-07 18:55:30
# 仅日期
d = date(2025, 11, 7)
# 仅时间
t = time(18, 55, 30)

3. 时间格式化与解析

# 格式化为字符串
s = now.strftime("%Y-%m-%d %H:%M:%S")
print(s)  # "2025-11-07 18:55:00"
# 从字符串解析（需指定格式）
dt_parsed = datetime.strptime("2025-11-07 18:55:00", "%Y-%m-%d %H:%M:%S")
print(dt_parsed)  # datetime(2025, 11, 7, 18, 55)

💡 推荐使用第三方库 dateutil.parser.parse() 自动解析多种格式。

4. 时间运算（ timedelta）

# 1 天后
tomorrow = now + timedelta(days=1)
# 2 小时 30 分钟前
past = now - timedelta(hours=2, minutes=30)
# 计算两个时间差
diff = tomorrow - now
print(diff.days)        # 1
print(diff.total_seconds())  # 86400.0
# 支持：days, seconds, microseconds, milliseconds, minutes, hours, weeks

5. 时区处理（ timezone）

from datetime import timezone, timedelta
# UTC 时间
utc_dt = datetime.now(timezone.utc)
# 创建东八区（北京时间）
tz_beijing = timezone(timedelta(hours=8))
bj_dt = utc_dt.astimezone(tz_beijing)
# 或直接创建带时区的时间
bj_time = datetime(2025, 11, 7, 18, 55, tzinfo=tz_beijing)
print("UTC:", utc_dt)
print("北京:", bj_time)

🔒 生产建议： 使用 zoneinfo（Python 3.9+）或 pytz 处理复杂时区（如夏令时）：

from zoneinfo import ZoneInfo
ny_time = datetime.now(ZoneInfo("America/New_York"))

6. 其他实用方法

# 获取今天日期
today = date.today()  # date(2025, 11, 7)
# 替换部分字段
new_dt = now.replace(year=2030, minute=0)
# 获取时间戳
ts = now.timestamp()  # 转为 float 时间戳
# 从时间戳创建 datetime
dt_from_ts = datetime.fromtimestamp(ts)

四、三大模块对比总结

| 功能                  | time         | calendar     | datetime         |

| ----------------------- | -------------------- | -------------------- | ------------------------ |

| 核心单位    | 秒（时间戳）       | 日历逻辑           | 日期/时间对象          |

| 面向对象    | ❌                 | ❌                 | ✅                     |

| 日期运算    | ❌                 | ❌                 | ✅ ( timedelta)   |

| 时区支持    | 仅本地/UTC         | ❌                 | ✅（需显式设置）       |

| 格式化/解析 | ✅（需格式字符串） | ❌                 | ✅（更直观）           |

| 适用场景    | 系统级、性能敏感   | 日历生成、星期计算 | 日常开发首选 |

✅ 推荐策略：

• 新项目一律使用 datetime
• 需要高性能时间戳用 time.time()
• 生成日历或判断闰年用 calendar

五、典型应用场景

1. 计算年龄

from datetime import date
def calculate_age(birth_date: date) -> int:
    today = date.today()
    return today.year - birth_date.year - ((today.month, today.day) < (birth_date.month, birth_date.day))
age = calculate_age(date(1990, 5, 15))

2. 日志时间戳

from datetime import datetime
log_time = datetime.now().strftime("[%Y-%m-%d %H:%M:%S]")
print(f"{log_time} INFO: 程序启动")
# [2025-11-07 18:55:00] INFO: 程序启动

3. 定时任务间隔检查

last_run = datetime.now()
interval = timedelta(minutes=5)
if datetime.now() - last_run > interval:
    print("执行任务...")
    last_run = datetime.now()

4. 时区转换（Web 应用）

from datetime import datetime, timezone
from zoneinfo import ZoneInfo  # Python 3.9+
user_tz = ZoneInfo("Asia/Shanghai")
utc_time = datetime.now(timezone.utc)
local_time = utc_time.astimezone(user_tz)

六、注意事项与最佳实践

1. 始终明确时区：

• 存储时间用 UTC
• 展示给用户时转为本地时区

1. 避免 naive datetime：

• 在涉及多时区系统中，务必使用 aware datetime

1. 不要用 datetime.utcnow()：

• 它返回的是 naive 对象，应改用 datetime.now(timezone.utc)

1. 时间比较前确保类型一致：

• naive 不能与 aware 比较，会报错

1. 解析用户输入时验证格式：

• 使用 try-except 捕获 ValueError

七、扩展建议

• 复杂时区：使用 zoneinfo（Python 3.9+ 内置）或 pytz
• 自然语言解析： dateutil.parser
• 高性能时间处理： pandas.Timestamp（大数据场景）

总结

经过学习常见的时间模块 time、 calendar 和 datetime，我们可以有效解决 Python 中所有时间与日期相关的需求！建议 优先使用 datetime，它是现代 Python 时间处理的标准答案。

资料关注

公众号：咚咚王

《Python编程：从入门到实践》 《利用Python进行数据分析》 《算法导论中文第三版》 《概率论与数理统计（第四版） (盛骤) 》 《程序员的数学》 《线性代数应该这样学第3版》 《微积分和数学分析引论》 《（西瓜书）周志华-机器学习》 《TensorFlow机器学习实战指南》 《Sklearn与TensorFlow机器学习实用指南》 《模式识别（第四版）》 《深度学习 deep learning》伊恩·古德费洛著 花书 《Python深度学习第二版(中文版)【纯文本】 (登封大数据 (Francois Choliet)) (Z-Library)》 《深入浅出神经网络与深度学习+(迈克尔·尼尔森（Michael+Nielsen） 》 《自然语言处理综论  第2版》 《Natural-Language-Processing-with-PyTorch》 《计算机视觉-算法与应用(中文版)》 《Learning OpenCV 4》 《AIGC：智能创作时代》杜雨+&+张孜铭 《AIGC原理与实践：零基础学大语言模型、扩散模型和多模态模型》 《从零构建大语言模型（中文版）》 《实战AI大模型》 《AI 3.0》