如何使用moment.js进行时间格式转换?
文章目录
- 概述
- moment数据转为其它格式
- 其它时间字符串形式转为另外一种时间字符串形式
- 常用的 关于时间字符串关键字
- 扩展阅读
- moment.js 和 day.js
概述
Moment.js 是一个非常流行的 JavaScript 日期和时间处理库,它提供了一系列功能强大的工具,用于处理日期和时间,以及格式化它们。
moment数据转为其它格式
我们在使用部分ui库的时候,经常发现,时间选择器回调函数给我们的数据返回的是一个moment形式的数据。
import moment from 'moment';
const Moment1 = moment()
// 将Moment1转为 yyyy-MM-DD 记得 月份和日期要大写
const time = moment(Moment1).format('yyyy-MM-DD')
// 将Moment1转为 yyyy-MM-DD hh:mm:ss 记得 月份和日期要大写 小时小写表示12小时制 分钟数要小写,因为和月份要区分
const time1 = moment(Moment1).format('yyyy-MM-DD hh:mm:ss')
// 将Moment1转为 yyyy-MM-DD HH:mm:ss 记得 月份和日期要大写 小时大写表示24小时制 分钟数要小写,因为和月份要区分
const time1 = moment(Moment1).format('yyyy-MM-DD HH:mm:ss')
其它时间字符串形式转为另外一种时间字符串形式
moment的第一个参数和第二个参数一定要匹配,第二个参数是描述第一个参数的时间组成成分,moment.js会根据第二个参数的描述,去对应的提取年份、月份、日期、星期、时、分、秒
import moment from 'moment';
const Moment1 = moment()
const time1 = moment(Moment1).format('YYYY-MM-DD hh:mm:ss')
// 将YYYY-MM-DD hh:mm:ss 形式的时间字符串转为 YYYY/MM/DD hh:mm:ss
const time2 = moment(time1, 'YYYY-MM-DD hh:mm:ss').format('YYYY/MM/DD hh:mm:ss')
常用的 关于时间字符串关键字
yyyy和YYYY在moment的官方文档中没有体现出来有何区别
yyyy: y才是标准的年份,java中会有这样的区别
YYYY: 是以周来计算年的,意思是当天所在周属于的年份,一周从周日开始算计算,周六结束,只要本周跨年,那么这一周就算下一年的。
也就是说:年份如果用Y会是这周的年份,java中会有这样的区别
MM: 月份
mm: 分
DD: 日期
dd: 星期
hh: 12进制的小时
HH: 24进制的小时
SSS: 毫秒
ss: 秒
关于moment的更多用法,请参考moment.js官方文档
http://momentjs.cn/docs/#/displaying/format/
扩展阅读
解析日期和时间:Moment.js 允许你从字符串中解析日期和时间,无论它们的格式如何。
格式化日期和时间:你可以将日期和时间格式化为你所需的任何字符串格式。
进行日期和时间的计算和操作:Moment.js 允许你进行日期和时间的加减、比较、差值计算等操作。
本地化:你可以根据用户的本地时间格式和语言设置来本地化日期和时间。
创建日期和时间:Moment.js 提供了用于创建日期和时间的方法,如获取当前时间、创建特定日期、时间戳等。
链式操作:你可以轻松地将多个日期和时间操作链接在一起,以进行复杂的操作。
Moment.js 使用简单且功能丰富,因此在处理日期和时间方面非常受欢迎。然而,需要注意的是,自 2020 年起,Moment.js 的维护者已经宣布停止维护 Moment.js,因为 JavaScript 本身已经在 ES6 中引入了更先进的日期和时间处理功能。建议在新项目中使用 JavaScript 内置的 Date 对象和 Intl.DateTimeFormat API 来处理日期和时间,或者使用其他现代的日期库,如 date-fns、Luxon 等。
moment.js 和 day.js
Moment.js 和 Day.js 都是 JavaScript 中用于处理日期和时间的库,它们有一些相似之处,但也有一些重要的区别。以下是 Moment.js 和 Day.js 之间的比较:
-
体积大小:
- Moment.js 的文件大小相对较大,这可能导致加载时间较长,尤其在移动设备上。
- Day.js 的文件大小较小,因此加载速度更快,这对于性能敏感的应用程序是一个优点。
-
可维护性:
- Moment.js 自 2020 年以来已经停止维护,并且不再接受新功能或修复程序错误。这意味着 Moment.js 不再更新,可能会存在一些已知问题,不建议在新项目中使用。
- Day.js 是一个较新的库,目前仍然在积极维护和开发中,具有更好的维护前景。
-
使用方式:
- Moment.js 的 API 风格类似于链式操作,可以直接在日期对象上进行操作。
- Day.js 采用函数式编程的方式,将日期对象视为不可变的,每个操作都会生成一个新的日期对象。
-
国际化和本地化:
- Moment.js 支持国际化和本地化,允许你轻松地本地化日期和时间格式。
- Day.js 也支持国际化和本地化,但它将本地化作为可选插件,可以根据需要加载。
-
插件系统:
- Day.js 采用插件系统,允许你根据需要扩展其功能,以减小核心库的大小。
总的来说,如果你在新项目中需要一个轻量级、现代、维护良好的日期和时间库,Day.js 是一个不错的选择。如果你正在维护旧项目并且已经在使用 Moment.js,考虑迁移到 Day.js 或其他现代的日期库可能是一个明智的选择。 Day.js 提供了 Moment.js 类似的 API,因此迁移应该相对容易。
推荐阅读
-
14-傅里叶变换的代码实现-一、numpy实现傅里叶变换和逆傅里叶变换 1.numpy实现傅里叶变换numpy.fft.fft2实现傅里叶变换,返回一个复数数组(complex ndarray),也就是频谱图像numpy.fft.fftshift将零频率分量移到频谱中心(将左上角的低频区域,移到中心位置) 20*np.log(np.abs(fshift))设置频谱的范围。可以理解为,之前通过傅里叶变换得到复数的数组,是不能通过图像的方法展示出来的,需要转换为灰度图像(映射到[0,255]区间)需要注意的是1> 傅里叶得到低频、高频信息,针对低频、高频处理能够实现不同的目的2> 傅里叶过程是可逆的,图像经过傅里叶变换、逆傅里叶变换后,能够恢复到原始图像3> 在频域对图像进行处理,在频域的处理会反映在逆变换图像上 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) # 移动中心位置 fshift = np.fft.fftshift(f) # 调整值范围 result = 20*np.log(np.abs(fshift)) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(result,cmap=plt.cm.gray) plt.title("result") plt.axis("off") plt.show 傅里叶变换的频谱图像: 2.numpy实现逆傅里叶变换numpy.fft.ifft2实现逆傅里叶变换,返回一个复数数组(complex ndarray)numpy.fft.ifftshiftfftshift函数的逆函数,将中心位置的低频,重新移到左上角iimg = np.abs(逆傅里叶变化结果)设置值的范围,映射到[0,255]区间 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\boat.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) fshift = np.fft.fftshift(f) # 逆傅里叶变换 ishift = np.fft.ifftshift(fshift) iimg = np.fft.ifft2(ishift) iimg = np.abs(iimg) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("iimg") plt.axis("off") plt.show 将一副图像,进行傅里叶变换和逆傅里叶变换后,进行对比(一样的) 实例:通过numpy实现高通滤波,保留图像的边缘信息 获取图像的形状rows,cols = img.shape获取图像的中心点crow,ccol = int(rows/2),int(cols/2)将频谱图像的中心区域(低频区域)设置为0(黑色)fshift[crow-30:crow+30,ccol-30:ccol+30] = 0 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\boat.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) fshift = np.fft.fftshift(f) # 高通滤波 rows,cols = img.shape crow,ccol = int(rows/2),int(cols/2) fshift[crow-30:crow+30,ccol-30:ccol+30] = 0 # 逆傅里叶变换 ishift = np.fft.ifftshift(fshift) iimg = np.fft.ifft2(ishift) iimg = np.abs(iimg) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("iimg") plt.axis("off") plt.show 使用numpy实现高通滤波的实验结果: 二、opencv实现傅里叶变换和逆傅里叶变换 1.opencv实现傅里叶变换 返回结果 = cv2.dft(原始图像,转换标识)1> 返回结果:是双通道的,第一个通道是结果的实数部分,第二个通道是结果的虚数部分2> 原始图像:输入图像要首先转换成np.float32(img)格式3> 转换标识:flags = cv2.DFT_COMPLEX_OUTPUT,输出一个复数阵列numpy.fft.fftshift将零频率分量移到频谱中心(将左上角的低频区域,移到中心位置)调整频谱的范围,将上面频谱图像的复数数组,转换为可以显示的灰度图像(映射到[0,255]区间)返回值 = 20*np.log(cv2.magnitude(参数1,参数2))1> 参数1:浮点型X坐标值,也就是实部2> 参数2:浮点型Y坐标值,也就是虚部 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT) # 移动中心位置 dftShift = np.fft.fftshift(dft) # 调整频谱的范围 result = 20*np.log(cv2.magnitude(dftShift[:,:,0],dftShift[:,:,1])) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(result,cmap=plt.cm.gray) plt.title("result") plt.axis("off") plt.show 傅里叶变换的频谱图像: 2.opencv实现逆傅里叶变换返回结果 = cv2.idft(原始数据)1> 返回结果:取决于原始数据的类型和大小2> 原始数据:实数或者复数均可numpy.fft.ifftshiftfftshift函数的逆函数,将中心位置的低频,重新移到左上角调整频谱的范围,映射到[0,255]区间返回值 = cv2.magnitude(参数1,参数2)1> 参数1:浮点型X坐标值,也就是实部2> 参数2:浮点型Y坐标值,也就是虚部 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT) dftShift = np.fft.fftshift(dft) # 逆傅里叶变换 ishift = np.fft.ifftshift(dftShift) iimg = cv2.idft(ishift) iimg = cv2.magnitude(iimg[:,:,0],iimg[:,:,1]) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("inverse") plt.axis("off") plt.show 将一副图像,进行傅里叶变换和逆傅里叶变换后,进行对比(一样的) 实例:通过opencv实现低通滤波,模糊一副图像
-
用JavaScript获取实时时间并进行日期格式转换
-
如何使用LntonMedia免费版RTMP流媒体服务器进行C和GO语言数据转换的实操教程
-
SQL Server 日期转换方法大全:支持各种数据类型和格式样式的转换 说明: 本篇文章详细介绍了如何在SQL Server中进行日期转换,包括各种数据类型和格式样式的转换方法。其中包括了科威特算法的阿拉伯样式中的数据格式,并提供了多种样式可供选择。此外,还给出了详细的示例和注意事项,帮助读者更好地理解和应用这些转换方法。
-
如何将JS的时间戳转换为日期格式?
-
超级详细!前端JS如何格式化日期和时间?——从字符串到新格式的转换
-
JavaScript 如何优雅地进行时间格式化?
-
全面指南:使用JavaScript进行时间格式化和运算
-
如何在JS前端将Date对象或秒数转换为时间格式?
-
实战体验moment.js时间格式化库的使用与常见问题避免