如何在Python中检测datetime字符串的strftime风格格式？

可用第三方库方案 #

1. dateparser

dateparser库内置了格式检测能力，能直接输出strftime风格格式串，无需手动维护格式列表：

from dateparser import detect_format
import datetime

def detect_datetime_format(col):
    # 取少量样本检测，提升效率
    sample_count = min(10, len(col))
    samples = col[:sample_count]
    detected_format = detect_format(samples)
    
    # 验证全量数据是否匹配检测结果
    if detected_format:
        try:
            for val in col:
                datetime.datetime.strptime(val, detected_format)
            return detected_format
        except ValueError:
            pass
    
    # 检测失败时回退到自定义格式列表
    patterns = [
        "%Y.%m.%d %H:%M:%S",
        "%Y-%m-%d %H:%M",
        "%Y-%m-%d",
        # 按需补充更多常用格式
    ]
    for pattern in patterns:
        try:
            for val in col:
                datetime.datetime.strptime(val, pattern)
            return pattern
        except ValueError:
            continue
    return None

2. datetime-detector

这是专门用于datetime格式检测的轻量库，支持批量验证：

from datetime_detector import DateTimeDetector
import datetime

def detect_datetime_format(col):
    detector = DateTimeDetector()
    # 用样本快速检测格式
    detected_format = detector.detect(col[:10])
    
    if detected_format:
        try:
            for val in col:
                datetime.datetime.strptime(val, detected_format)
            return detected_format
        except ValueError:
            pass
    # 回退逻辑同上

优化自定义实现 #

如果不想引入第三方库，可以对你的原始代码做以下优化：

import datetime

def detect_datetime_format(col):
    # 只取前10个样本做预检测，减少遍历次数
    sample_size = min(10, len(col))
    samples = col[:sample_size]
    
    patterns = [
        "%Y.%m.%d %H:%M:%S",
        "%Y-%m-%d %H:%M",
        "%Y-%m-%d",
        # 按需添加更多高频格式
    ]
    
    for pattern in patterns:
        try:
            # 先验证样本，快速排除不匹配格式
            for val in samples:
                datetime.datetime.strptime(val, pattern)
            # 样本通过后再验证全量数据
            for val in col:
                datetime.datetime.strptime(val, pattern)
            return pattern
        except ValueError:
            continue
    return None

核心优化点 #

• 样本预检测：无需遍历整个序列，用少量样本快速筛选格式，大幅提升速度
• 精准异常捕获：只捕获ValueError，避免吞掉其他类型的错误
• 格式优先级排序：把业务中高频出现的格式放在列表前面，减少无效循环

内容的提问来源于stack exchange，提问作者pietz