简单解决日期格式问题_time data '2023-04-17t16:36:07.762838' does not ma-CSDN博客

本文链接：https://blog.csdn.net/qq_36645932/article/details/130731982

博主在爬虫项目中需获取新闻发布日期，但很多网站显示‘xx日前’等非完整格式。为此写了小型方法产生标准格式日期，原理是用dateutil库与当前时间做减法、正则匹配数字，同时考虑爬取不同语种网站的情况。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近在写一个爬虫项目，需要获取很多新闻的发布日期。

但是很多新闻网站的发布时间，不会直接写“xx月xx日xx时xx分”，而是写“xx日前”，“xx分钟前”，“xx秒前”。而我需要获取到完整的日期时间。

于是写了一个小型方法，用于产生标准格式日期。

原理就是使用deteutil库，和当前时间进行时间减法运算，用正则匹配数字。

注意：如果import dateutil的时候失败，请尝试import python-dateutil

"""
将格式为 xxx日前、xx小时前、xx分钟前
改为标准的 2023-05-17 15:00:00 这样的格式
传入任意包含（xx日前，xx小时前，xx分前）的字符串，返回标准格式字符串
"""

import datetime
import re
from dateutil.relativedelta import relativedelta


def change_datetime(time_str, day='', minute='', hour=''):

    # 该语言的日、时、分称呼
    day = day
    minute = minute
    hour = hour

    number = re.search('([0-9]+)', time_str).group()
    if number == '' or not number:
        raise Exception('该字符串中没有表示时间的数字！')
    number = int(number)

    now_time = datetime.datetime.now()
    now_time_str = str(now_time)[:-7]

    timeArray = datetime.datetime.strptime(now_time_str, "%Y-%m-%d %H:%M:%S")

    if minute != '' and minute in time_str:
        timeArray = timeArray - relativedelta(minutes=number)
    elif hour != '' and hour in time_str:
        timeArray = timeArray - relativedelta(hours=number)
    elif day != '' and day in time_str:
        timeArray = timeArray - relativedelta(days=number)
    else:
        raise Exception('转换失败，可能是该语言的日、时、分填错/未填，或编码问题和依赖问题。')

    return str(timeArray)


if __name__ == '__main__':
    ti = 'Đầu Tư - 2 giờ trước'
    ti2 = 'VietnamNet - 57 phút trước'

    res = change_datetime(ti, hour='giờ', minute='phút')
    print(res)

因为需要爬取各个国家的网站，语言不同，所以别的语种也要考虑到。