如何在Pandera中创建存储有效日期时间字符串的列？

别用正则加str_matches当核心校验逻辑，这方案从根上就有问题：正则只能校验字符串的格式是否匹配规则，根本识别不了逻辑上不存在的日期——比如2024-02-30 12:00:00、2023-02-29 09:30:00、2024-04-31 18:00:00这类值完全符合常规日期时间格式的正则匹配规则，但本身是无效日期，你要是靠正则补这些闰年、大小月、特殊时间的判断逻辑，规则会越写越碎，后续根本没法维护。

最稳妥、维护成本最低的方案是直接用对应环境内置的标准日期解析器做校验：只要能按照指定格式被正常解析为日期时间类型，就是合法值，解析失败/返回空值的就是非法值。所有闰年、月份天数、时间范围的判断逻辑解析器都内置好了，不用你自己写规则。

不同场景的落地写法参考：

• Spark SQL/Databricks/多数数仓环境
  用内置的安全日期转换函数，开启异常值转空的配置，直接判断转换结果是否非空即可：

  -- 假设你的日期时间格式是 yyyy-MM-dd HH:mm:ss
  SELECT
    datetime_col,
    to_timestamp(datetime_col, 'yyyy-MM-dd HH:mm:ss') IS NOT NULL AS is_valid
  FROM your_table
  

  如果字段允许多种合法日期格式，按优先级依次尝试不同格式的转换即可，只要有一个格式转换成功就算合法，比写正则分支简单很多。
• Pandas 数据处理场景
  用pd.to_datetime的错误处理参数，不用手写校验规则：

  import pandas as pd
  # 非法值会被转为NaT，判断非空即可得到校验结果
  valid_mask = pd.to_datetime(
      df['datetime_str'], 
      format='%Y-%m-%d %H:%M:%S', 
      errors='coerce'
  ).notna()
  

• 后端服务/Java类场景
  用JDK8之后自带的java.time包下的格式化器做解析，捕获解析异常即可：

  import java.time.LocalDateTime;
  import java.time.format.DateTimeFormatter;
  import java.time.format.DateTimeParseException;
  
  public class DatetimeValidator {
      private static final DateTimeFormatter FORMATTER = DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss");
      
      public static boolean isValid(String datetimeStr) {
          try {
              LocalDateTime.parse(datetimeStr, FORMATTER);
              return true;
          } catch (DateTimeParseException e) {
              return false;
          }
      }
  }
  

如果你确实需要先做一层粗筛过滤掉明显格式不对的脏数据，可以写个非常宽松的正则做前置过滤，但最终的合法性判断一定要走标准日期解析器，不要把正则当唯一校验手段。

内容的提问来源于stack exchange，提问作者jhnatr