如何解决Python:看到报纸3k提供的文章时间戳吗?
当我这样做
import newspaper
cnn_paper = newspaper.build(news_source_url,memoize_articles=False)
for article in cnn_paper.articles:
print(article.url)
exit()
我获得了可以使用news_source_url
软件包从'http://cnn.com'
(例如newspaper3k
)下载的文章的URL列表。有没有办法获取各篇文章的时间戳?
对于CNN来说,很多文章的日期似乎都编码在URL中,但是我想获取 any 新闻来源的文章时间戳。而且我想同时获得日期和时间。
解决方法
您可以使用带有以下代码的 Newspaper 来获取文章的发布日期。我将日期输出重新格式化,因为它们具有00:00:00时间戳。
import newspaper
from datetime import datetime
cnn_paper = newspaper.build('http://cnn.com',memoize_articles=False)
for item in cnn_paper.articles:
article = newspaper.Article(item.url)
article.download()
article.parse()
if article.url and article.publish_date is not None:
print(article.url)
publish_date = datetime.strptime(str(article.publish_date),'%Y-%m-%d %H:%M:%S').strftime('%Y-%m-%d')
print(publish_date)
如果您需要文章的确切发布日期和时间戳,则需要从文章的URL中获取日期。在查看了报纸的代码之后,我找到了一个元标记提取器。
import newspaper
cnn_paper = newspaper.build('http://cnn.com',memoize_articles=False)
for item in cnn_paper.articles:
article = newspaper.Article(item.url)
article.download()
article.parse()
if article.url and article.publish_date is not None:
article_meta_data = article.meta_data
article_published_date = sorted({value for (key,value) in article_meta_data.items() if key == 'pubdate'})
if article_published_date:
print(article_published_date)
else:
print('no published date provided')
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。