Question

我希望在后台运行一个脚本，它会每小时左右获取一次subreddit数据。既然我不想在我的数据库中有重复的条目，我想根据created_utc过滤我的搜索结果

这就是我目前的情况：

r = praw.Reddit(user_agent='soc')
submissions = r.get_subreddit('soccer').get_hot()

这就是我想要的：

r = praw.Reddit(user_agent='soc')
submissions = r.get_subreddit('soccer').get_hot(created_utc > '2016-02-18 14:33:14.000')

实现这一目标的方法有哪些？

Answer 1

SubReddit class和Reddit API都没有您想要的基于日期的过滤方法，因此这里有一个选项：

在将结果放入数据库之前，先在Python中过滤掉结果。 get_new和from datetime import datetime, timedelta import praw # assuming you run this script every hour an_hour_ago = datetime.utcnow() - timedelta(hours=1) r = praw.Reddit(user_agent='soc') submissions = r.get_subreddit('soccer').get_new() submissions_list = [ # iterate through the submissions generator object x for x in submissions # add item if item.created_utc is newer than an hour ago if datetime.utcfromtimestamp(x.created_utc) >= an_hour_ago ]返回生成器对象，因此您可以使用这样的列表推导：

limit = 100  # Reddit maximum limit
total_list = []
submissions = r.get_subreddit('soccer').get_new(limit=limit)
submissions_list = [
    x for x in submissions
    if datetime.utcfromtimestamp(x.created_utc) >= an_hour_ago
]
total_list += submissions_list
if len(submissions_list) == limit:
    submissions = r.get_subreddit('soccer').get_new(
        # get limit of items past the last item in the total list
        limit=100, params={"after": total_list[-1].fullname}
    )
submissions_list_2 = [
    # iterate through the submissions generator object
    x for x in submissions
    # add item if item.created_utc is newer than an hour ago
    if datetime.utcfromtimestamp(x.created_utc) >= an_hour_ago
]
total_list += submissions_list_2
print total_list

默认情况下，Reddit只返回25个列表，因此如果您需要更多列表，则必须对其进行分页。

Select T.*, T1.StringValue, ISNUMERIC(T1.StringValue), T2.StringValue, ISNUMERIC(T2.StringValue), ISNUMERIC(T1.StringValue) * ISNUMERIC(T2.StringValue) AS IsNumeric
from #table1 T
cross apply dbo.Split(T.outputformula, ' ') T1 
cross apply dbo.Split(T.outputformula, ' ') T2 
where T1.Ordinal = 1 and T2.Ordinal = 2

如果提交的数量大于200，则必须将其放入递归函数中：subreddit_latest.py

Answer 2

您应该比较日期时间对象而不是字符串，因此您应该将它们转换为日期时间，如下所示：

from datetime import datetime
date = datetime.strptime('2016-02-18 14:33:14.000', '%Y-%m-%d %H:%M:%S.%f')

你也应该对created_utc做同样的事情，然后比较两者。我不知道你可以在get_hot函数中进行比较，因为我从未使用过它。

Praw：如何根据创建的日期过滤搜索结果？

2 个答案: