在使用爬虫获取到网页数据时,需要提取其中的时间日期数据,而不同的网页时间和日期的格式各不相同,甚至是像“二○○八年十月二十二日”这样的中文日期。需要使用正则进行解析提取。
一、实现的目标
在使用爬虫解析到网页数据时,需要提取其中的时间日期数据,时间和日期的格式各不相同,有的包含年,有的只有月和日,有的1月份是写1月,有的写01月等,比如:
2023年6月1日
2023年06月01日
2023-6-1
2023-06-01
2023年6月1日 12时12分12秒
2023年6月1日 12:12:12
二○○八年十月二十二日
二、实现思路
时间格式各不相同,则根据出现的格式编写不同的正则表达式,根据输入的数据,循环正则表达式,当匹配到日期后停止循环,输出结果即可。因此实现目标的难点在于如何编写正确的表达式。
三、程序实现
1、根据时间和日期出现的格式,编写匹配的正则表达式
比如,匹配2023年6月1日或2023年06月01日 这样的日期格式