Python 仅在过去的一年里才有网络评论

我正试图从tripadvisor中为某一特定的航空公司Spicejet搜集只有一年历史的评论。 链接：

但在存储审核日期时存在不一致性，因为有些日期在span class value:

2018年10月22日审查

其中一些在标题中：

5周前回顾

我想提取日期并设置一个条件，提取只有一年历史的评论。我在处理两种日期格式时遇到困难，所以我应该如何比较它

代码：

date=items.find（class=“ratingDate”）.get（“title”）
日期=dt.strtime（日期，“%B%d，%Y”）
如果（日期>dt.STRTIME（'2017年11月26日'），%B%d%Y”）：
日期=项目。查找（'span'，class='ratingDate'）['title']

输出：

“它是可管理的”

（“2018年10月23日”） 获取信息（）中的

）
6对于汤中的项目。查找所有（class=“innerbuble”）：
7日期=项目。查找（class=“ratingDate”）。获取（“标题”）
---->8日期=dt.strtime（日期，“%B%d，%Y”）
9如果（日期>dt.STRTIME（‘2017年11月26日’，%B%d%Y））：
10打印（“================================================================”）
TypeError:strTime（）参数1必须是str，而不是None

据我所知，您不必比较两个日期值，因为它们都表示相同的日期。因此，对于每次审查，检查是否存在跨类日期或标题日期。如果两者都存在，只需选中一个即可。检查可通过以下方式完成

对于标题日期，您将需要

span\u日期=无
title\u date=无
一年前的日期=datetime.now（）.替换（year=dt.year-3）
#在此处添加代码以获取span_date和title_date的日期字符串
#假设span_date=“2018年10月22日”
审核日期=无
如果span_日期不是无：
查看日期=datetime.datetime.strtime（span\u日期，“%B%d，%Y”）.date（）
#假设title_date=“5周前”
elif title_date不是无：
title\u date=[title\u date.split（）[：2]]
时间=标题日期中金额的dict（（fmt，float（amount））
dt=日期时间。时间增量（**时间）
review_date=datetime.datetime.today（）-dt
#检查审核日期是否早于一年前
如果查看日期（）小于一年前的日期：
打印（“保存此评论”）

你可以做很多工作，也可以追踪数据的来源，对数据源进行模糊处理，直到它吐出更可爱的东西。在这里，数据似乎是从以下位置加载的：

https://www.tripadvisor.com/AirlineTips

正如你所注意到的，这是非常丑陋的

它给我的确切电话是：

https://www.tripadvisor.com/AirlineTips?d=8728949&inline=true

它吐出：

“；物有所值”；
桑托斯水电站，2天前
|   

您可以利用CSS在类上的匹配方式，使用类选择器

.ratingDate

将所有审核日期向后拉。它将在

.ratingDate

和

.ratingDate.relativeDate

上匹配。您将发现匹配元素类的len为2，其中日期位于元素的title属性中，即class

ratingDate relativeDate

的元素

<span class="ratingDate relativeDate" title="October 26, 2018">Reviewed 4 weeks ago
</span>

---

恭喜-您遇到了CS的一个快乐：数据不一致。如果你有一个特定的问题，展示你的代码和数据——否则你需要在这里提问之前进行更多的研究——因为你的问题太广泛了。f.e.的一个答案可能是：将它们转换成相同的日期格式，并进行比较。您好！您是否可以表明您至少尝试过在问题中键入或输入代码？我们是来帮忙的，但我们必须在两者之间的某个地方见面！您正在寻找一个日期分析器。我听说了纳蒂的好消息。你有没有试过给出的答案？+关于性感的藤壶。。。对于=false，还有另一个加号。

span_date = None
title_date = None
one_year_ago_date = datetime.now().replace(year=dt.year-3)

# ADD CODE HERE to get date strings for span_date and title_date

# Assume span_date = "October 22, 2018"
review_date = None
if span_date is not None:
    review_date = datetime.datetime.strptime(span_date, "%B %d, %Y").date()

# Assume title_date = "5 weeks ago"
elif title_date is not None:
    title_date = [title_date .split()[:2]]
    time_dict = dict((fmt, float(amount)) for amount,fmt in title_date)
    dt = datetime.timedelta(**time_dict)
    review_date = datetime.datetime.today() - dt

# Check if review_date is earlier than one year ago
if review_date.date() < one_year_ago_date:
    print("Save this review")

<span class="ratingDate relativeDate" title="October 26, 2018">Reviewed 4 weeks ago
</span>

import requests
from bs4 import BeautifulSoup
url = 'https://www.tripadvisor.com/Airline_Review-d8728949-Reviews-or60-SpiceJet#REVIEWS'
data = requests.get(url).content
soup = BeautifulSoup(data,'lxml')
dateStrings = soup.select('.ratingDate')  
reviewStrings = soup.select('.partial_entry')
reviewDates = [date['title'].strip() if len(date['class']) == 2 else date.text.strip().replace('Reviewed ','') for date in dateStrings]
reviews = [review.text.strip() for review in reviewStrings]
allInfo = list(zip(updatedDates,reviews))