日期范围的通配符表示-附python代码

Posted 2022-04-08 BJUT赵亮

本文记录了将给定的日期范围用通配符表示的相关内容，欢迎与我沟通联系（[e-mail]）
如果在使用中发现程序输入与结果不符，欢迎与我沟通

在hdfs中数据以date为分区进行分别保存，采用MapReduce框架进行大数据开发时在路径输入中，没有在hive\\sql中的 date between . and . 的写法，与之对应的是将日期采用通配符的形式进行输入
case1 日期范围是：20220101 20221231

解释：需要输入的是2022年一整年的数据，所以采用通配符的表达方式为2022*

case2 日期范围是 : 20210101 20210331

解释：需要输入的2021年，1月、2月、3月的全部日期，采用通配符的表示方式是 '202101*', '202102*', '202103*'

case3 日起范围是：20200104 20210302

解释：需要输入的是，从1月4号到1月底，2月整月、3月1号，3月2号的日期，采用通配符的表示方式是 ['20200104', '20200105', '20200106', '20200107', '20200108', '20200109', '2020011*', '2020012*', '2020013*', '202002*', '202003*', '202004*', '202005*', '202006*', '202007*', '202008*', '202009*', '202010*', '202011*', '202012*', '202101*', '202102*', '20210301', '20210302']
因为1月4号到1月9号，无法继续采用通配符，所以全部枚举；1月10号到1月19号、1月11号到19号、1月21号到1月29号、1月30号到1月31号，均可以用通配符。

将以上问题抽象为数学问题是，给定一个函数，输入的是2个字符串[start,end]的日期范围，输出一个字符串数组，这个字符串数组是给定日期范围的通配符表示式的最简结果

具体的解法为递归，在给定日期范围种，先判断年，如果年不相同，则将中间的年份抽出来，前后两端分别判单，则成为了递归

20200101       20200101-20201231
	    =》     2021
20221231       20220101-20221231     

中间的日期通过通配符表示，前后两端继续递归，直到最后的日期

def function(start: str, end: str):
    def _yyyyMM2dd(yyyy, MM):
        if MM in 1, 3, 5, 7, 8, 10, 12:
            return 31
        if MM != 2:
            return 30
        if (yyyy % 4 == 0) and (yyyy % 100 != 0) or (yyyy % 400) == 0:
            return 29
        else:
            return 28

    if start == end: return [start]
    if start > end: return []
    res = []
    if start[:4] != end[:4]:  # 年不相同，中间的年份全部用通配符
        for i in range(int(start[:4]) + 1, int(end[:4])):
            res.append(":0>4*".format(i))
        res.extend(function(start, f"start[:4]1231"))
        res.extend(function(f"end[:4]0101", end))
        return res
    if start[4:6] != end[4:6]:  # 月份不一样
        for i in range(int(start[4:6]) + 1, int(end[4:6])):
            res.append(":0>2*".format(start[:4], i))
        res.extend(function(start, f"start[:6]_yyyyMM2dd(int(start[:4]), int(start[4:6]))"))
        res.extend(function(f"end[:6]01", end))
        if len(res)==12 and len(list(set([i[4:6] for i in res]))) == 12:
            res = ["*".format(start[:4])]
        return res
    if start[6:8] != end[6:8]:  # 日期不同
        if start[6] != end[6]:
            for i in range(int(start[6]) + 1, int(end[6])):
                res.append("*".format(start[:6], i))

            if start[6] in ["0", "1"]:
                start_day_last_num = 9
            elif start[6] == "2":
                if _yyyyMM2dd(int(start[:4]), int(start[4:6])) == 28:
                    start_day_last_num = 8
                else:
                    start_day_last_num = 9
            elif start[6] == "3":
                start_day_last_num = 1
            res.extend(function(start, f"start[:7]start_day_last_num"))
            if end[6] == "0":
                end_day_first_num = 1
            else:
                end_day_first_num = 0
            res.extend(function(f"end[:7]end_day_first_num", end))

            # print(res)
            if int(start[4:6]) == 2:
                if len(res)==3 and len(list(set([i[6] for i in res]))) == 3:
                    res = ["*".format(start[:6])]
            else:
                if len(res）==4 and len(list(set([i[6] for i in res]))) == 4:
                    res = ["*".format(start[:6])]
            # print(res)
            # print()
            return res
        if start[7] != end[7]:
            for i in range(int(start[7]), int(end[7]) + 1):
                res.append("".format(start[:7], i))
            # 剪枝合并
            # print(res)
            if int(start[4:6]) in [1, 3, 5, 7, 8, 10, 12]:
                if (start[6] == "0" and len(res) == 9) or (start[6] in ["1", "2"] and len(res) == 10) or (
                        start[6] == "3" and len(res) == 2):
                    res = ["*".format(start[:7])]
            elif int(start[4:6]) == 2:
                if _yyyyMM2dd(int(start[:4]), int(start[4:6])) == 29:
                    if (start[6] == "0" and len(res) == 9) or (start[6] in ["1", "2"] and len(res) == 10):
                        res = ["*".format(start[:7])]
                else:
                    if (start[6] == "0" and len(res) == 9) or (start[6] == "1" and len(res) == 10) or (
                            start[6] == "2" and len(res) == 9):
                        res = ["*".format(start[:7])]

            else:
                if (start[6] == "0" and len(res) == 9) or (start[6] in ["1", "2"] and len(res) == 10) or (
                        start[6] == "3" and len(res) == 1):
                    res = ["*".format(start[:7])]
            # print(res)
            # print()
            return res


res = function("20201227", "20210302")
res.sort()
print(res)


function("20210101", "20210331") => ['202101*', '202102*', '202103*']
function("20210101", "20211231") => ['2021*']
function("20200101", "20211231") => ['2020*', '2021*']
function("20200104", "20210302") => ['20200104', '20200105', '20200106', '20200107', '20200108', '20200109', '2020011*', '2020012*', '2020013*', '202002*', '202003*', '202004*', '202005*', '202006*', '202007*', '202008*', '202009*', '202010*', '202011*', '202012*', '202101*', '202102*', '20210301', '20210302']
function("20210104", "20210302") => ['20210104', '20210105', '20210106', '20210107', '20210108', '20210109', '2021011*', '2021012*', '2021013*', '202102*', '20210301', '20210302']