人工智能之编程进阶 Python高级
第五章 时间类模块
@
目录
- 人工智能之编程进阶 Python高级
- 前言
- 一、
time模块：底层时间操作（Unix 时间戳）
- 常用函数
- 时间格式化代码（
strftime/strptime）- 二、
calendar模块：日历相关功能
- 常用功能
- 三、
datetime模块：面向对象的时间处理（推荐！）
- 核心类
- 1. 获取当前时间
- 2. 创建自定义时间
- 3. 时间格式化与解析
- 4. 时间运算（
timedelta）- 5. 时区处理（
timezone）- 6. 其他实用方法
- 四、三大模块对比总结
- 五、典型应用场景
- 1. 计算年龄
- 2. 日志时间戳
- 3. 定时任务间隔检查
- 4. 时区转换（Web 应用）
- 六、注意事项与最佳实践
- 七、扩展建议
- 总结
- 资料关注
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
| 类 | 用途 |
|---|---|
datetime.date |
年-月-日（无时分秒） |
datetime.time |
时:分:秒.微秒（无日期） |
datetime.datetime |
日期 + 时间（最常用） |
datetime.timedelta |
时间间隔（用于加减） |
datetime.timezone |
时区信息（UTC 或固定偏移） |
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 datedef 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 datetimelog_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
- 始终明确时区：
- 存储时间用 UTC
- 展示给用户时转为本地时区
- 避免 naive datetime：
- 在涉及多时区系统中，务必使用 aware datetime
- 不要用
datetime.utcnow()：- 它返回的是 naive 对象，应改用
datetime.now(timezone.utc)
- 它返回的是 naive 对象，应改用
- 时间比较前确保类型一致：
- naive 不能与 aware 比较，会报错
- 解析用户输入时验证格式：
- 使用
try-except捕获ValueError
- 使用
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》
