一日一技：如何提取网页中都的日期？

作者：kingname

Gne[1]虽然在萃取报导正文的时候，统计分析比较高，但由于萃取报导发布短时间运用于的是正则表达式，因此萃取真实感有时候不那么让人满意。

不太可能我发现Python的一个第三方库，叫做htmldate，经过验证，它萃取报导的发布短时间比较正确地。我们来看看这个库怎么运用于。首先运用于pip安装：

python3 -m pip install htmldate1.

然后，我们运用于Requests或者Selenium得到网站的Linux：

import requestsfrom htmldate import find_datehtml = requests.get('').content.decode('utf-8')date = find_date(html)print(date)1.2.3.4.5.

运行真实感如下布所示：

而这文中的发布短时间，不太可能是3月末9号：

我们再用搜狐报导来看一下，相驱使 增进友谊(精彩绽放) |残奥|华南地区代表团|冰壶户另有活动|夺金_搜狐政务[2] 这篇报导对应的发布短时间如下布所示：

从前我们用Requests得到它的Linux，然后再萃取发布短时间：

发布日期不太可能对了，但是上去的短时间怎么丢失了呢?如果想把时分秒保留下来，可以增加一个参数outputformat，它的倍数就是你在datetime.strftime；还有可用的倍数：

find_date(html, outputformat='%Y-%m-%d %H:%M:%S')1.

运行真实感如下布所示：

find_date的参数，除了网页Linux另有，还可以传布URL，或者是lxml；还有的Dom具体来说，例如：

from lxml.html import fromstringselector = fromstring(html)date = find_date(selector)1.2.3.4.

以下内容

[1] Gne:

[2] 相驱使 增进友谊(精彩绽放) |残奥|华南地区代表团|冰壶户另有活动|夺金_搜狐政务:

来源： 可称Code

脉血康与血塞通软胶囊的比较
下肢静脉曲张可以吃脉血康吗
皮下出血瘀斑可以口服脉血康吗
牛皮癣医院
免疫内科
怎么治疗慢性支气管炎咳嗽
如何解酒
如何安胎