如何使用Scrapy从给定HTML元素中提取日期？

嘿，我来帮你解决这个Scrapy提取日期的问题！你拿到的这个Twitter推文时间戳元素里，有好几种靠谱的方式能取出你需要的日期，我给你拆解一下：

• 提取完整的日期时间（从title属性）
  这个<a>标签的title属性里存着完整的时间信息，直接提取就行：

  full_datetime = response.xpath('//*[contains(@class,"tweet-timestamp")]/@title').get()
  # 如果只需要日期部分，用字符串分割处理
  date_only = full_datetime.split(' - ')[1]  # 结果是"24 Apr 2018"
  

• 提取短格式日期（从span文本）
  如果你只需要像Apr 24这样的短日期，直接取span标签里的文本内容：

  short_date = response.xpath('//*[contains(@class,"tweet-timestamp")]/span/text()').get()
  

• 用时间戳转换为任意格式日期（最灵活）
  标签里的data-time属性存着Unix时间戳，用这个可以转换成你想要的任何日期格式，非常灵活：

  from datetime import datetime
  
  timestamp = response.xpath('//*[contains(@class,"tweet-timestamp")]/span/@data-time').get()
  # 转换为datetime对象
  date_obj = datetime.fromtimestamp(int(timestamp))
  # 格式化为你需要的日期格式，比如"2018-04-24"或者"24 Apr 2018"
  formatted_date = date_obj.strftime('%Y-%m-%d')
  

小提示：如果是要批量提取多个推文的日期，把.get()换成.getall()就能拿到所有匹配结果的列表啦。

内容的提问来源于stack exchange，提问作者Jake.bake