作者：kingname
Gne[1]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 htmldate1.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)1.2.3.4.5.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：
我们再用网易新闻来看一下，相互激励 增进友谊(精彩绽放) |残奥|中国代表团|单板滑雪|夺金_网易政务[2] 这篇新闻对应的发布时间如下图所示：
现在我们用Requests获得它的源代码，然后再提取发布时间：
发布日期确实对了，但是后面的时间怎么丢失了呢?如果想把时分秒保留下来，可以增加一个参数outputformat，它的值就是你在datetime.strftime里面输入的值：
find_date(html, outputformat='%Y-%m-%d %H:%M:%S')1.运行效果如下图所示：
find_date的参数，除了网页源代码外，还可以传入URL，或者是lxml里面的Dom对象，例如：
from lxml.html import fromstring
selector = fromstring(html)
date = find_date(selector)1.2.3.4.参考文献
[1] Gne: https://github.com/GeneralNewsExtractor/GeneralNewsExtractor
[2] 相互激励 增进友谊(精彩绽放) |残奥|中国代表团|单板滑雪|夺金_网易政务: https://www.163.com/news/article/H28Q6NQ1000189FH.html
来源： 未闻Code
原文地址：https://www.toutiao.com/article/7074763003375419941/
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
