Python 时间操作例子和时间格式化参数小结

yipeiwu_com5年前Python基础

1.取过去具体时间的方法:

复制代码 代码如下:

#!/usr/bin/python  

import time 
#取一天前的当前具体时间  
time.strftime('%Y-%m-%d %T',time.localtime(time.time()-24*60*60))  

#取15天前的当前具体时间  
time.strftime('%Y-%m-%d %T',time.localtime(time.time()-15*24*60*60))  

#取15天前当前具体时间的前2小时  
time.strftime('%Y-%m-%d %T',time.localtime(time.time()-15*24*60*60-2*60*60))


2.取将来具体时间的方法:
复制代码 代码如下:

#!/usr/bin/python  
import time 

#取一天后的当前具体时间  
time.strftime('%Y-%m-%d %T',time.localtime(time.time()+24*60*60))  

#取20天后的当前具体时间  
time.strftime('%Y-%m-%d %T',time.localtime(time.time()+20*24*60*60))  

#取20天后当前具体时间的前2小时  
time.strftime('%Y-%m-%d %T',time.localtime(time.time()+20*24*60*60-2*60*60))

3.只取某个时间单位过去、未来具体值:

复制代码 代码如下:

#!/usr/bin/python  
import time 

#取上一月月份  
time.localtime()[1]-1  

#取去年年份  
time.localtime()[0]-1  

#取两个月后的月份  
time.localtime()[1]+2 

time.strftime() 格式命令:

复制代码 代码如下:

%a 星期几的简写  
%A 星期几的全称  
%b 月分的简写  
%B 月份的全称  
%c 标准的日期的时间串  
%C 年份的后两位数字  
%d 十进制表示的每月的第几天  
%D 月/天/年  
%e 在两字符域中,十进制表示的每月的第几天  
%F 年-月-日  
%g 年份的后两位数字,使用基于周的年  
%G 年分,使用基于周的年  
%h 简写的月份名  
%H 24小时制的小时  
%I 12小时制的小时  
%j 十进制表示的每年的第几天  
%m 十进制表示的月份  
%M 十时制表示的分钟数  
%n 新行符  
%p 本地的AM或PM的等价显示  
%r 12小时的时间  
%R 显示小时和分钟:hh:mm  
%S 十进制的秒数  
%t 水平制表符  
%T 显示时分秒:hh:mm:ss  
%u 每周的第几天,星期一为第一天 (值从0到6,星期一为0)  
%U 第年的第几周,把星期日做为第一天(值从0到53)  
%V 每年的第几周,使用基于周的年  
%w 十进制表示的星期几(值从0到6,星期天为0)  
%W 每年的第几周,把星期一做为第一天(值从0到53)  
%x 标准的日期串  
%X 标准的时间串  
%y 不带世纪的十进制年份(值从0到99)  
%Y 带世纪部分的十制年份  
%z,%Z 时区名称,如果不能得到时区名称则返回空字符。  
%% 百分号

相关文章

Python常用知识点汇总

Python常用知识点汇总

1、Set基本数据类型 a、set集合,是一个无序且不重复的元素集合 class set(object): """ set() -> new empty set ob...

在漏洞利用Python代码真的很爽

不知道怎么忽然想看这个,呵呵 小我的python的反shell的代码 #!/usr/bin/python # Python Connect-back Bac...

Python使用正则表达式过滤或替换HTML标签的方法详解

本文实例讲述了Python使用正则表达式过滤或替换HTML标签的方法。分享给大家供大家参考,具体如下: python正则表达式关键内容: python正则表达式转义符: . 匹配除换行符...

influx+grafana自定义python采集数据和一些坑的总结

influx+grafana自定义python采集数据和一些坑的总结

先上网卡数据采集脚本,这个基本上是最大的坑,因为一些数据的类型不正确会导致no datapoint的错误,真是令人抓狂,注意其中几个key的值必须是int或者float类型,如果你不慎写...

PyTorch使用cpu加载模型运算方式

没gpu没cuda支持的时候加载模型到cpu上计算 将 model = torch.load(path, map_location=lambda storage, loc: stor...