Python 闰秒处理方法详解
Python标准库(如datetime、time、calendar)完全不支持闰秒处理,因其严格遵循POSIX时间模型——将每分钟固定为60秒,直接“压平”23:59:60这一合法UTC时刻,导致解析时抛出错误;若业务真需精确区分TAI、UTC与UT1(如天文观测、卫星轨道计算或高精度授时比对),必须借助astropy.time等专用库,并注意其依赖外部闰秒表、需手动更新及数据同步延迟等关键限制;而绝大多数生产场景(金融、日志、API、数据库)本就基于POSIX时间戳运行,强行引入闰秒逻辑反而会带来非幂等性、测试困难和跨平台不一致等风险——了解何时“不必处理”,往往比盲目实现更重要。

Python 里 datetime 会自动处理闰秒吗?
不会。标准库的 datetime、time 和 calendar 全部无视闰秒——它们把时间当成连续的线性刻度,而闰秒是“断点”。比如 2016-12-31 23:59:60 这个合法的国际时间,在 datetime.strptime('2016-12-31 23:59:60', '%Y-%m-%d %H:%M:%S') 里直接抛 ValueError: second must be in 0..59。
原因很简单:POSIX 时间戳(即 time.time() 返回值)本身就不表示闰秒。它把每分钟都当作 60 秒,把 23:59:60 “压平”进下一秒的时间戳里。Python 完全跟随 POSIX 语义。
所以别指望靠改格式化字符串或换时区就能“支持”闰秒——底层模型不支持,上层再绕也没用。
需要闰秒感知时,该用哪个库?
目前唯一被广泛验证可用的是 leapseconds(配合 astropy 或手写转换逻辑),但更稳妥的选择是 pytz + 外部闰秒表,或者直接用 astropy.time。
astropy.time 是少数真正区分 TAI(原子时)、UTC(协调世界时)和 UT1 的 Python 工具:
from astropy.time import Time
t = Time('2016-12-31 23:59:60', scale='utc', format='iso')
print(t.tai.iso) # 输出:2017-01-01 00:00:36.000注意:scale='utc' 才能解析闰秒字符串;若用 scale='tai' 或默认值,23:59:60 会被拒。
常见踩坑点:
astropy默认不自带最新闰秒表,首次运行可能报ERFAWarning: DUT1 not available,需手动执行astropy.utils.iers.download_iers_a()- 闰秒数据有延迟:IANA 每次公告后,
astropy通常 1–2 周才同步,生产环境建议定期update_iers - 不用
astropy时,硬上pytz也没用——它只管时区偏移,不管秒级跳变
自己解析闰秒文件靠谱吗?
可以,但仅推荐用于离线校验或嵌入式场景。IANA 官方闰秒文件 leap-seconds.list 是纯文本,格式稳定:
# @(#)leap-seconds.list 8.13 # Leap seconds from NIST # # This file is in the public domain. # # Format: # LEAP UTC Date TAI-UTC # 2272060800 1972-01-01 10 # 2287785600 1972-07-01 11 # ...
关键点:
- 第一列是 TAI 时间戳(秒数,起点为 1900-01-01),不是 UNIX 时间戳,要减去
2208988800才能对齐time.time() - 每一行代表“从该 UTC 时刻起,TAI-UTC 偏移增加 X 秒”,不是“该秒存在”
- 23:59:60 出现在 UTC 时间线上,但对应的时间戳和前一秒相同(POSIX 规则),不能靠
time.gmtime()反推
所以自己 parse 只能辅助判断“某 UTC 时间是否在闰秒窗口内”,不能用来构造可计算的 datetime 对象。
生产系统要不要真处理闰秒?
绝大多数不需要。金融、日志、API 时间戳、数据库写入——全部基于 POSIX 时间戳,天然跳过闰秒。强行加入闰秒逻辑反而引入非幂等、难测试、跨平台不一致的问题。
真正要处理的场景极少:
- 射电天文、卫星轨道推算等依赖 TAI/UT1 精密对时
- 与外部高精度授时设备(如 GPS 接收器)做时间比对
- 归档级科学数据标注,要求 UTC 秒字段严格符合 IERS 公告
最容易被忽略的一点:即使用了 astropy,只要最终落到 time.time()、datetime.timestamp() 或数据库 TIMESTAMP 字段,闰秒信息就丢失了——这些载体本身不存“第61秒”的概念。
本篇关于《Python 闰秒处理方法详解》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!
Linux查看文件行数技巧
- 上一篇
- Linux查看文件行数技巧
- 下一篇
- Golang怎么实现CGO内存管理_Golang如何在Go和C交互时正确释放C分配的内存【避坑】
-
- 文章 · python教程 | 1天前 |
- Python logging lastResort 怎样处理没有配置 handler 的日志
- 289浏览 收藏
-
- 文章 · python教程 | 1天前 | 并发编程 · Python教程 · Python logging 后台线程 logging.handlers.QueueListener 日志关闭
- Python logging.handlers.QueueListener 怎样优雅停止后台日志线程
- 143浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python tomllib 怎样读取二进制 TOML
- 114浏览 收藏
-
- 文章 · python教程 | 1天前 | 文件处理 · Python教程 · Python 目录复制 shutil.copytree dirs_exist_ok 文件覆盖
- Python shutil.copytree 怎样合并已有目标目录
- 165浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python pathlib 复制文件时怎样控制符号链接
- 478浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python inspect.signature 怎样读取装饰器保留的参数
- 298浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python configparser 怎样转义值里的百分号
- 393浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python asyncio.PriorityQueue 怎样保持相同优先级的稳定顺序
- 306浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python asyncio.Runner 怎样复用同一个事件循环运行多个入口
- 204浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python TaskGroup 怎样处理嵌套任务组异常
- 319浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 497次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 553次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 579次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 532次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 343次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览
