扫二维码与项目经理沟通
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
最近我发现Python的一个第三方库，叫做htmldate，经过测试，它提取新闻的发布时间比较准确。我们来看看这个库怎么使用。首先使用pip安装：
创新互联建站主营云梦网站建设的网络公司,主营网站建设方案,成都app开发,云梦h5微信小程序开发搭建,云梦网站营销推广欢迎云梦等地区企业咨询
python3 -m pip install htmldate
然后，我们使用Requests或者Selenium获得网站的源代码：
import requests
from htmldate import find_date
html = requests.get('https://www.kingname.info/2022/03/09/this-is-gnelist/').content.decode('utf-8')
date = find_date(html)
print(date)
运行效果如下图所示：
而这篇文章的发布时间，确实是3月9号：
我们再用网易新闻来看一下，相互激励 增进友谊(精彩绽放) |残奥|中国代表团|单板滑雪|夺金_网易政务[2] 这篇新闻对应的发布时间如下图所示：
现在我们用Requests获得它的源代码，然后再提取发布时间：
发布日期确实对了，但是后面的时间怎么丢失了呢?如果想把时分秒保留下来，可以增加一个参数outputformat，它的值就是你在datetime.strftime里面输入的值：
find_date(html, outputformat='%Y-%m-%d %H:%M:%S')
运行效果如下图所示：
find_date的参数，除了网页源代码外，还可以传入URL，或者是lxml里面的Dom对象，例如：
from lxml.html import fromstring
selector = fromstring(html)
date = find_date(selector)
参考文献[1] Gne: https://github.com/GeneralNewsExtractor/GeneralNewsExtractor
[2] 相互激励 增进友谊(精彩绽放) |残奥|中国代表团|单板滑雪|夺金_网易政务: https://www.163.com/news/article/H28Q6NQ1000189FH.html
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
微信二维码
移动版官网