中国节假日日历库 chinese-calendar 安装与使用指南
2026-02-06 04:52:38作者:裘旻烁
chinese-calendar 是一个专门用于判断中国法定节假日和工作日的 Python 库,支持 2004 年至 2026 年的节假日数据,包括 2020 年春节延长假期等特殊情况。
安装方法
使用 pip 命令即可快速安装:
pip install chinesecalendar
升级方法
由于次年的节假日安排取决于国务院发布的日程,项目一般会在国务院更新后发布新版本。按照以往经验,通常是每年 11 月前后发布新版本。
pip install -U chinesecalendar
核心功能
判断是否为节假日/工作日
import datetime
from chinese_calendar import is_holiday, is_workday
# 判断 2018年4月30号 是不是节假日
april_last = datetime.date(2018, 4, 30)
assert is_workday(april_last) is False
assert is_holiday(april_last) is True
获取节日详细信息
import chinese_calendar as calendar
# 在判断的同时获取节日名称
on_holiday, holiday_name = calendar.get_holiday_detail(april_last)
assert on_holiday is True
assert holiday_name == calendar.Holiday.labour_day.value
判断是否为调休日
import chinese_calendar
# 判断法定节假日是否为调休
assert chinese_calendar.is_in_lieu(datetime.date(2006, 2, 1)) is False
assert chinese_calendar.is_in_lieu(datetime.date(2006, 2, 2)) is True
支持的节假日类型
库中支持的主要节假日包括:
- 元旦 (New Year's Day) - 1天
- 春节 (Spring Festival) - 3天
- 清明节 (Tomb-sweeping Day) - 1天
- 劳动节 (Labour Day) - 1天
- 端午节 (Dragon Boat Festival) - 1天
- 国庆节 (National Day) - 3天
- 中秋节 (Mid-autumn Festival) - 1天
高级功能
获取日期范围内的节假日
from chinese_calendar import get_holidays, get_workdays
start_date = datetime.date(2024, 1, 1)
end_date = datetime.date(2024, 12, 31)
# 获取2024年所有节假日(包含周末)
all_holidays = get_holidays(start_date, end_date, include_weekends=True)
# 获取2024年所有工作日(不包含周末)
workdays_only = get_workdays(start_date, end_date, include_weekends=False)
查找工作日
from chinese_calendar import find_workday
# 查找下一个工作日
next_workday = find_workday(delta_days=1)
# 查找上一个工作日
previous_workday = find_workday(delta_days=-1)
项目结构
chinese-calendar 项目的目录结构清晰:
chinese_calendar/
├── __init__.py # 主模块入口
├── constants.py # 生成的节假日常量数据
├── scripts/
│ ├── __init__.py # 脚本模块
│ └── data.py # 节假日数据定义
├── solar_terms.py # 24节气计算
└── utils.py # 工具函数
数据来源
该库的节假日数据来源于国务院办公厅发布的官方节假日安排通知,确保数据的准确性和权威性。每年会根据最新的国务院通知及时更新数据。
使用场景
chinese-calendar 库适用于以下场景:
- 企业考勤系统 - 自动判断工作日和节假日
- 财务计算 - 计算工作日相关的利息和费用
- 项目管理 - 排除节假日的工作日计算
- 日程安排 - 智能避开法定节假日
注意事项
- 该库仅支持 2004 年至 2026 年的数据
- 每年的节假日安排以国务院最新通知为准
- 建议定期更新库版本以获取最新的节假日数据
- 对于调休日的判断需要特别注意,因为调休规则每年可能有所不同
通过使用 chinese-calendar 库,开发者可以轻松地在应用程序中集成中国法定节假日的判断功能,提高开发效率和准确性。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0448
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0769
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0313
DragonOSDragonOS is an operating system developed from scratch using Rust, with Linux compatibility. It is designed for **Serverless** scenarios. 使用Rust从0自研内核,具有Linux兼容性的操作系统,面向云计算Serverless场景而设计。Rust00
最新内容推荐
项目优选
收起
暂无描述
Markdown
827
5.49 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
494
518
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
786
1.58 K
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
803
1.14 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
973
2.29 K
deepin linux kernel
C
32
16
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
482
312
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.02 K
769
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Markdown
1.26 K
811
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
648
287