Question

我正在使用Python和Scrapy制作新闻聚合器，但无法找到我正在尝试做的事情的答案。

我正在从文章，发布时间中抓取一行文字，如下：

item['published'] = hxs.select('//div[@class="date"]/text()').extract()

这就是我回来的地方（网站上没有ISO日期，因为我正在为这个项目抓一些其他人）：

Last Updated: Tuesday, March 11, 2014

我需要将这些日期和时间放入一种格式，我也可以转换其他来源＆＃39;发布时间，以便我可以通过JSON Feed中的该键按时间顺序排序。

因此，使用该格式的日期，如何将其转换为可用的表单？我最终希望将所有ISO日期和写出的文本格式转换为以下内容：

Published: 2:15 p.m., March 15, 2014.

Answer 1

我认为你想使用dateutil.parser.parse。这是the documentation。它处理各种格式。在debian风格的操作系统上，它可以在python-dateutil包中找到。

如果此答案没有完全回答您的问题，请发表评论，我会尝试对其进行适当更新。

Answer 2

编辑：上面的jrennie解决方案比我的更清洁。

这很有效。我使用strptime来获得解决方案。请注意，由于原始字符串中没有hh：mm数据，因此我无法像您在示例中那样输出任何hh：mm数据。

逐步解决方案：

>>> import time
>>> t = "Last Updated: Tuesday, March 11, 2014"
>>> t = t.rsplit(' ',4)[1:5] # Get a list of the relevant date fields
['Tuesday,', 'March', '11,', '2014']
>>> t = ' '.join(t) # Turn t into a string so we can use strptime
'Tuesday, March 11, 2014'
>>> t = time.strptime(t, "%A, %B %d, %Y") # Use strptime
time.struct_time(tm_year=2014, tm_mon=3, tm_mday=11, tm_hour=0, tm_min=0, tm_sec=0, tm_wday=1, tm_yday=70, tm_isdst=-1)

一个班轮：

import time

t = "Last Updated: Tuesday, March 11, 2014"
time.strptime(' '.join(t.rsplit(' ',4)[1:5]), "%A, %B %d, %Y")

这会产生struct_time。您可能最终想要convert these to datetimes，具体取决于您希望如何操纵它们。

Answer 3

今天要做的一个好方法是使用草率团队的dateparser项目：https://github.com/scrapinghub/dateparser

将日期和时间从拼写文本转换为日期时间格式

3 个答案: