虽然在提取新闻正文的时候,准确率比较高,但由于提取新闻发布时间使用的是正则表达式,因此提取效果有时候不那么让人满意。
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:
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