Gne[1]雖然在提取新聞?wù)牡臅r候，準(zhǔn)確率比較高，但由于提取新聞發(fā)布時間使用的是正則表達式，因此提取效果有時候不那么讓人滿意。

最近我發(fā)現(xiàn)Python的一個第三方庫，叫做htmldate，經(jīng)過測試，它提取新聞的發(fā)布時間比較準(zhǔn)確。我們來看看這個庫怎么使用。首先使用pip安裝：

python3 -m pip install htmldate

然后，我們使用Requests或者Selenium獲得網(wǎng)站的源代碼：

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)

運行效果如下圖所示：

而這篇文章的發(fā)布時間，確實是3月9號：

我們再用網(wǎng)易新聞來看一下，相互激勵 增進友誼(精彩綻放) |殘奧|中國代表團|單板滑雪|奪金_網(wǎng)易政務(wù)[2] 這篇新聞對應(yīng)的發(fā)布時間如下圖所示：

現(xiàn)在我們用Requests獲得它的源代碼，然后再提取發(fā)布時間：

發(fā)布日期確實對了，但是后面的時間怎么丟失了呢?如果想把時分秒保留下來，可以增加一個參數(shù)outputformat，它的值就是你在datetime.strftime里面輸入的值：

find_date(html, outputformat='%Y-%m-%d %H:%M:%S')

運行效果如下圖所示：

find_date的參數(shù)，除了網(wǎng)頁源代碼外，還可以傳入URL，或者是lxml里面的Dom對象，例如：

from lxml.html import fromstring

selector = fromstring(html)
date = find_date(selector)

參考文獻[1] Gne: https://github.com/GeneralNewsExtractor/GeneralNewsExtractor

[2] 相互激勵 增進友誼(精彩綻放) |殘奧|中國代表團|單板滑雪|奪金_網(wǎng)易政務(wù): https://www.163.com/news/article/H28Q6NQ1000189FH.html