问题描述

对某个页面中的日期+时间进行解析

解决方案

requests爬取+正则表达式解析

import re
import requests


def match_datetime(text):
    '''正则表达式提取文本所有日期+时间

    :param text: 待检索文本

    >>> match_datetime('日期是2020-05-20 13:14:15.477062.')
    ['2020-05-20 13:14:15']
    '''
    pattern = r'(\d{4}-\d{1,2}-\d{1,2}\s\d{1,2}:\d{1,2}:\d{1,2})'
    pattern = re.compile(pattern)
    result = pattern.findall(text)
    return result


def extract_datetime(url, headers=None):
    '''提取某页面中的日期+时间

    :param url: 页面地址
    :param headers: 请求头
    :return:
    >>> extract_datetime('https://xercis.blog.csdn.net/article/details/104752851')
    ['2020-03-20 15:55:17', '2020-03-20 15:55:17', '2020-03-20 15:55:17']
    '''
    r = requests.get(url, headers=headers)
    html = r.text
    return match_datetime(html)


if __name__ == '__main__':
    url = 'https://xercis.blog.csdn.net/article/details/104752851'
    headers = {
        'cookie': '',  # 若失败则填上
        'user-agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'
    }
    print(extract_datetime(url))
    print(extract_datetime(url, headers))

参考文献

1. Python正则表达式提取datetime日期+时间
2. Python HTTP库——requests