Python每日指定时段定时任务实现问题求助（无schedule模块）

嘿，这个问题我之前踩过坑！你的代码核心问题在于**now变量只在程序启动时获取了一次当前时间**，之后进入while True循环后，它就一直是那个初始时间了——哪怕过了几个小时，循环里判断的还是最开始的那个时间，自然不会检测到后续的时间变化～

问题根源拆解 #

你原来的代码里：

import datetime
now = datetime.datetime.now()  # 这里只在启动时获取一次时间
while True:
    if now.strftime("%d") == '09':
        if now.strftime("%H") == '18':
            do something

now的值从程序运行开始就固定了，后续循环不会更新这个变量，所以提前启动的话，到了指定时间也永远不会触发条件。

修复方案1：循环内实时更新时间（简单直接） #

把获取当前时间的代码移到循环内部，这样每次循环都会拿到最新的时间，同时加个time.sleep()避免循环疯狂占用CPU：

import datetime
import time

while True:
    # 每次循环都获取最新的当前时间
    now = datetime.datetime.now()
    # 检查日期和小时是否符合要求
    if now.strftime("%d") == '09' and now.strftime("%H") == '18':
        # 执行你的任务逻辑
        print("开始执行每日任务...")
        # 可选：任务执行后休眠1小时，避免当天内重复触发（比如任务执行快，循环又跑回来）
        time.sleep(3600)
    # 每分钟检查一次，减少CPU消耗
    time.sleep(60)

额外优化点 #

• 如果想精确到18:00整触发，而不是整个18点都可能触发，可以改成判断分钟：now.strftime("%H:%M") == '18:00'
• time.sleep(60)可以根据需求调整，比如想更频繁检查就设成10秒，想更省资源就设成300秒（5分钟）

修复方案2：计算休眠时间直达目标（更高效） #

如果程序需要长期运行，频繁循环检查有点浪费资源，可以直接计算距离目标时间的秒数，让程序休眠到指定时间再执行，这样更高效：

import datetime
import time

def run_daily_task(target_day, target_hour):
    while True:
        now = datetime.datetime.now()
        # 构造当天的目标时间（时分秒设为0，确保精准到整点）
        target_time = now.replace(day=target_day, hour=target_hour, minute=0, second=0, microsecond=0)
        
        # 如果当前时间已经过了今天的目标时间，自动切换到下个月的目标时间（适配每月9号的需求）
        if now > target_time:
            if now.month == 12:
                # 12月之后切换到下一年1月
                target_time = target_time.replace(year=now.year + 1, month=1, day=target_day)
            else:
                target_time = target_time.replace(month=now.month + 1, day=target_day)
        
        # 计算需要休眠的秒数
        sleep_duration = (target_time - now).total_seconds()
        print(f"距离任务执行还有 {round(sleep_duration / 3600, 2)} 小时，程序将进入休眠...")
        time.sleep(sleep_duration)
        
        # 执行你的任务
        print("执行指定任务完成！")

# 启动定时任务：每月9号18点执行
run_daily_task(target_day=9, target_hour=18)

这个方案的优势是不用频繁轮询，程序大部分时间处于休眠状态，占用资源极低，适合需要长期后台运行的场景。

内容的提问来源于stack exchange，提问作者Fabricio_A