如何将YouTube非标准化字幕时间码正确解析为datetime对象

尝试将YouTube字幕的时间码字符串转换为datetime对象，使用dateutil.parser.parse时出现解析逻辑错误：

from datetime import datetime
from dateutil import parser

timecodes = ['0:00', '0:01', '1:01', '10:01', '1:10:01']

for timecode in timecodes:
    dt = parser.parse(timecode)
    print(dt)

这些时间码是YouTube生成的累计时长格式：

0:00     # 0分钟，0秒
0:01     # 0分钟，1秒
1:01     # 1分钟，1秒
10:01    # 10分钟，1秒
1:10:01  # 1小时，10分钟，1秒

但解析结果不符合预期：

2022-10-24 00:00:00    # 0分钟0秒（正确）
2022-10-24 00:01:00    # 实际应为1分钟0秒，被解析为0小时1分钟0秒
2022-10-24 01:01:00    # 实际应为1分钟1秒，被解析为1小时1分钟0秒
2022-10-24 10:01:00    # 实际应为10分钟1秒，被解析为10小时1分钟0秒
2022-10-24 01:10:01    # 1小时10分钟1秒（正确）

核心问题：短格式时间码（不含小时）被parser.parse错误识别为「小时:分钟」，而非预期的「分钟:秒」。需要实现动态解析，让短格式默认按分秒处理，或调整时间码适配解析方法。

方法1：预处理时间码，补全小时前缀 #

根据冒号数量判断格式，给只有1个冒号的时间码补「0:」前缀，统一为「时:分:秒」格式后再解析：

from datetime import datetime
from dateutil import parser

timecodes = ['0:00', '0:01', '1:01', '10:01', '1:10:01']

for timecode in timecodes:
    # 补全格式：只有1个冒号时，添加0小时前缀
    if timecode.count(':') == 1:
        adjusted_timecode = f"0:{timecode}"
    else:
        adjusted_timecode = timecode
    dt = parser.parse(adjusted_timecode)
    print(f"{timecode} -> {dt}")

输出结果：

0:00 -> 2022-10-24 00:00:00
0:01 -> 2022-10-24 00:00:01
1:01 -> 2022-10-24 00:01:01
10:01 -> 2022-10-24 00:10:01
1:10:01 -> 2022-10-24 01:10:01

方法2：手动解析时间码，直接构建datetime对象 #

不依赖dateutil.parser，手动拆分时间码的时、分、秒，基于基准日期构建datetime：

from datetime import datetime

timecodes = ['0:00', '0:01', '1:01', '10:01', '1:10:01']
# 基准日期，可根据需求修改
base_date = datetime(2022, 10, 24)

for timecode in timecodes:
    parts = list(map(int, timecode.split(':')))
    if len(parts) == 2:
        minutes, seconds = parts
        hours = 0
    elif len(parts) == 3:
        hours, minutes, seconds = parts
    else:
        # 处理异常格式，这里可根据需求调整
        hours = minutes = seconds = 0
    dt = base_date.replace(hour=hours, minute=minutes, second=seconds)
    print(f"{timecode} -> {dt}")

输出结果和方法1一致，这种方式更可控，避免第三方库的自动解析歧义。

补充：仅需时长时使用timedelta #

如果不需要绑定具体日期，只是计算累计时长，可直接使用datetime.timedelta对象：

from datetime import timedelta

timecodes = ['0:00', '0:01', '1:01', '10:01', '1:10:01']

for timecode in timecodes:
    parts = list(map(int, timecode.split(':')))
    if len(parts) == 2:
        td = timedelta(minutes=parts[0], seconds=parts[1])
    else:
        td = timedelta(hours=parts[0], minutes=parts[1], seconds=parts[2])
    print(f"{timecode} -> {td}")

输出：

0:00 -> 0:00:00
0:01 -> 0:00:01
1:01 -> 0:01:01
10:01 -> 0:10:01
1:10:01 -> 1:10:01

内容的提问来源于stack exchange，提问作者P A N