清理爬取的日期数据

爬取的日期数据可能包含多余的字符或格式不一致，需要进行清理和统一。以下是一些常用的处理方式：

1. 使用正则表达式（regex）匹配日期格式，去除无用信息。例如：

import re

date_string = "2019年11月22日 (周五)" clean_date = re.findall(r'\d{4}-\d{2}-\d{2}', date_string)[0] print(clean_date) # 输出 2019-11-22

2. 使用dateutil包将字符串日期转换为datetime对象，然后转换为指定格式的字符串。例如：

from dateutil.parser import parse

date_string = "2019-11-22 10:30:00" date_obj = parse(date_string) clean_date = date_obj.strftime("%Y-%m-%d") print(clean_date) # 输出 2019-11-22

3. 将日期格式化为指定格式，去除多余信息。例如：

date_string = "Fri, 22 Nov 2019 10:30:00 GMT" date_obj = datetime.strptime(date_string, "%a, %d %b %Y %H:%M:%S %Z") clean_date = date_obj.strftime("%Y-%m-%d") print(clean_date) # 输出 2019-11-22

需要根据实际情况选择适合的清理方法，保证日期格式的一致性和准确性。