新闻截稿日期

如何解决新闻截稿日期

我正在尝试从 https://finansial.bisnis.com/read/20210506/90/1391096/laba-bank-mega-tumbuh-dua-digit-kuartal-i-2021-ini-penopangnya 进行抓取。我正在尝试抓取新闻的日期，这是我的代码：

news['tanggal'] = newsScrape['date']
dates = []
for x in news['tanggal']:
    x = listToString(x)
    x = x.strip()
    x = x.replace('\r','').replace('\n','').replace(' \xa0|\xa0',',').replace('|',')
    dates.append(x)
dates = listToString(dates)
dates = dates[0:20]
if len(dates) == 0:
    continue
news['tanggal'] = dt.datetime.strptime(dates,'%d %B %Y,%H:%M')

但我收到此错误：

ValueError: time data '06 Mei 2021,11:32  ' does not match format '%d %B %Y,%H:%M'

我的假设是因为Mei是印度尼西亚语，同时格式需要英语的May。如何将 Mei 更改为 May？我试过 dates = dates.replace('Mei','May') 但它对我不起作用。当我尝试时，出现错误 ValueError: unconverted data remains: 日期类型为 string。谢谢

解决方法

您对 May -> Mei 更改的假设是正确的，替换后您可能面临问题的原因是字符串中的尾随空格，这些空格未在您的格式中考虑在内。您可以使用 string.rstrip() 删除这些空格。

import datetime as dt

dates = "06 Mei 2021,11:32  "
dates = dates.replace("Mei","May") # The replacement will have to be handled for all months,this is only an example
dates = dates.rstrip()
date = dt.datetime.strptime(dates,"%d %B %Y,%H:%M")
print(date) # 2021-05-06 11:32:00

虽然 这确实解决了这里的问题，在 dates = dates[0:20] 之后必须像这样缩短字符串很麻烦。考虑使用正则表达式一次性获取合适的格式。

,

问题似乎只是您拥有的尾随空白，这解释了错误 ValueError: unconverted data remains: 。它抱怨无法转换剩余数据（空格）。

s = '06 Mei 2021,11:32  '.replace('Mei','May').strip()
datetime.strptime(s,'%d %B %Y,%H:%M')
# Returns datetime.datetime(2021,5,6,11,32)

此外，要将所有印度尼西亚月份转换为英语，您可以使用字典：

id_en_dict = {
    ...,'Mei': 'May',...
}

,

您可以尝试以下方法

import datetime as dt
import requests
from bs4 import BeautifulSoup
import urllib.request

url="https://finansial.bisnis.com/read/20210506/90/1391096/laba-bank-mega-tumbuh-dua-digit-kuartal-i-2021-ini-penopangnya"
r = requests.get(url,verify=False)
soup = BeautifulSoup(r.content,'html.parser')
info_soup= soup.find(class_="new-description")
x=info_soup.find('span').get_text(strip=True)
x = x.strip()
x = x.replace('\r','').replace('\n','').replace(' \xa0|\xa0',',').replace('|',')
x = x[0:20]
x = x.rstrip()
date= dt.datetime.strptime(x.replace('Mei','May'),%H:%M')
print(date)

结果：

2021-05-06 11:45:00