Python Xpath提取特定字符之间的日期并用作日期

更新：关于我的第二个问题（如何在MySQL中将字符串转换为日期格式），我找到了一种方法，希望与大家分享：

1） 将“字符串日期”数据保存为VARCHAR（不使用文本）

2） 当以PHP或其他方式显示MySQL数据时，请使用str_to_date（字符串日期列，日期格式）的功能，如以下示例：

$sql = "SELECT * FROM yourtablename ORDER BY str_to_date(string-date-column, '%d %M %Y')";

---

我正在使用scrapy收集数据，写入数据库。在网站上，每个项目的发布日期如下所示：

<p>   #This is the last <p> within each <div>
<br>
[15 May 2015, #9789]
<br>
</p>

但我会得到整条线：

[15 May 2015, #9789]

---

那么，如何只获得“2015年5月15日”的部分？如果可以，如何将刮取的字符串（2015年5月15日）转换为实际日期数据，以便用于排序？非常感谢

关于第一个问题，假设一次最多有一个日期，您可以使用XPath

substring-after（）

和

substring-before（）

函数的组合来获取文本节点的

2015年5月15日

部分：

substring-before(substring-after(p[last()]/text()[contains(., '[')], '['), ',')

关于第二个问题，您可以使用将字符串转换为

datetime

：

import datetime

result = datetime.datetime.strptime("15 May 2015", "%d %b %Y")
print(result)
print(type(result))

输出：

2015-05-15 00:00:00
<type 'datetime.datetime'>

2015-05-15 00:00:00

一种更“粗略”的方法是在XPath表达式和/或

.re（）

中使用

这适用于以下两种情况：

In [1]: response.xpath("p[last()]/text()[re:test(., '\[\d+ \w+ \d{4}\, #\d+\]')]").re(r"\d+ \w+ \d{4}")
Out[1]: [u'15 May 2015']

或者，这是当您使用

.re（）

提取元素的日期时，与以前一样：

In [2]: response.xpath("p[last()]/text()[contains(., '[')]").re(r"\d+ \w+ \d{4}")
Out[2]: [u'15 May 2015']

---

问题的第二部分是。在尝试使用datetime函数时，我收到以下错误消息：“exceptions.ValueError:time data”[u'2015年5月15日]]与格式“%d-%b-%Y”不匹配。是因为Scrapy在“2015年5月15日”的刮取字符串前后添加了特殊字符吗？相关问题：如果我还是要将数据放入MySQL，那么像“2015年5月15日”这样的字符串是否会被识别为日期，只要我在MySQL中将该列定义为数据的日期类型？这是因为如上所示，正确的格式是“%d%b%Y”在没有破折号的情况下，在我将其更改为“%d%b%Y”后，仍然会收到相同的错误消息：“exceptions.ValueError:time data”[u'20 May 2015']”与格式“%d%b%Y”不匹配。“您的“scrapic”方法非常有效，alecxe！您是否有建议将“[u'2015年5月15日']”输出用作日期而不是字符串，同时考虑整体使用scrapy和mysql？如果我将该列定义为“日期”类型，MySQL会自动将“[u'2015年5月15日]]”识别为日期吗？@LearnAWK我建议更加明确，并使用实际日期操作-它还会捕获前面的错误，提供额外的验证。

In [2]: response.xpath("p[last()]/text()[contains(., '[')]").re(r"\d+ \w+ \d{4}")
Out[2]: [u'15 May 2015']