Jiff项目新增"友好型"持续时间格式解析功能
2025-07-03 12:22:43作者:齐添朝
在时间处理领域,ISO 8601持续时间格式虽然标准化程度高,但在实际应用中存在可读性差、灵活性不足等问题。Jiff项目作为Rust生态中的时间处理库,近期计划引入一种全新的"友好型"持续时间格式,旨在提供更人性化的时间表达方式。
传统格式的局限性
ISO 8601持续时间格式如"PT1H30M"虽然机器友好,但对开发者而言存在两大痛点:
- 可读性较差,难以直观理解
- 不支持同时表达"1秒1000毫秒"这类复合单位
- 缺乏对负时间间隔的原生支持
这些问题促使社区出现了humantime等替代方案,但这些方案要么功能不完整(如不支持负值),要么缺乏标准化规范。
友好型格式设计
Jiff项目提出的新格式融合了Go语言time.Duration和Rust humantime的优点,同时解决了它们的局限性。其核心特性包括:
- 多单位复合表达:支持"2h45m"、"1.5h"等自然语言式组合
- 灵活的单位设计:每个时间单位支持多种表达方式:
- 年:years/year/y
- 月:months/month/M
- 周:weeks/week/w
- 日:days/day/d
- 小时:hours/hour/hrs/hr/h
- 分钟:minutes/minute/mins/min/m
- 秒:seconds/second/secs/sec/s
- 负值支持:可直接使用"-1.5h"表示过去时间
- 分数时间:允许"1.5小时"这样的表达
- 方向指示:支持"ago"后缀表示过去时间
技术实现考量
在实现这一功能时,Jiff项目面临几个关键决策点:
-
国际化问题:当前设计基于英语,虽然不够国际化,但考虑到:
- ISO 8601本身隐含了西方历法假设
- 完整国际化支持复杂度极高
- 实际开发中英语时间表达已被广泛接受
-
与现有格式的关系:
- 保留ISO 8601作为默认序列化格式
- 新格式作为补充,主要用于调试和用户交互
- 考虑通过Debug trait输出友好格式,解决#60中提到的调试问题
-
语法严谨性:
- 明确禁止空字符串
- 分数单位后不允许再跟其他单位
- 小时及以上单位不允许分数形式
实际应用场景
这种新格式将显著改善以下场景的用户体验:
-
配置文件:开发者可以编写更易读的时间配置
timeout: 2h30m # 替代原来的PT2H30M -
命令行工具:用户输入时间参数更直观
./tool --duration=1.5h -
调试输出:Debug输出可直接显示人类可读的时间
println!("{:?}", duration); // 输出"1h30m"而非"PT1H30M" -
日志记录:日志中的时间间隔更易理解
未来发展方向
Jiff项目团队正在考虑以下增强:
- 为SignedDuration和Span类型添加专门的友好格式方法
- 研究ISO 8601与友好格式的自动检测转换
- 可能的serde集成方案
- 探索在不增加复杂度的前提下支持基本本地化
这一改进体现了Jiff项目在保持标准兼容性的同时,对开发者体验的高度重视。新格式的引入将使时间处理在Rust生态中变得更加直观和便捷。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217