Python Goose无法提取日期

Question

我正在使用Python Goose。您可以在this link

中找到它

我想提取已发布的日期，但是当我运行：

时

g = Goose()
entity = g.extract(url="mylink")
date = entity.publish_date

我的结果是None

我在很多网站上都尝试过，结果是None

有什么建议吗？

Answer 1

我刚检查了来源的相关部分：crawler.py publish_date提取目前已被注释掉

# TODO
# article.publish_date = config.publishDateExtractor.extract(doc)

进一步检查发现，如果您取消注释上述行，您将能够定义自定义日期提取器。但是，Goose中没有实现默认日期提取器。请参阅此方法：https://github.com/grangier/python-goose/blob/master/goose/configuration.py

中的set_publishdate_extractor

Answer 2

自2014年以来，此功能已在ID, COL1, COL2 VALUE '1', 'OBJ1', 'OBJ2', '5' '4', 'OBJ3', 'OBJ1', '4' '5', 'OBJ3', 'OBJ4', '6' 中的python-goose中实现，因此extractors/publishdate.py会返回某个日期。但仅在以下元数据字段中可用：

article.publish_date