Gne[1]虽然在提取新闻正文的日技时候，准确率比较高，何提但由于提取新闻发布时间使用的取网期是正则表达式，因此提取效果有时候不那么让人满意。页中

最近我发现Python的日技一个第三方库，叫做htmldate，何提经过测试，取网期它提取新闻的页中发布时间比较准确。我们来看看这个库怎么使用。网站模板日技首先使用pip安装：

python3 -m pip install htmldate

然后，何提我们使用Requests或者Selenium获得网站的取网期源代码：

import requests

from htmldate import find_date

html = requests.get(https://www.kingname.info/2022/03/09/this-is-gnelist/).content.decode(utf-8)

date = find_date(html)

print(date)

运行效果如下图所示：

而这篇文章的发布时间，确实是页中3月9号：

我们再用网易新闻来看一下，相互激励 增进友谊(精彩绽放) |残奥|中国代表团|单板滑雪|夺金_网易政务[2] 这篇新闻对应的日技发布时间如下图所示：

现在我们用Requests获得它的源代码，然后再提取发布时间：

发布日期确实对了，何提但是取网期后面的时间怎么丢失了呢?如果想把时分秒保留下来，免费信息发布网可以增加一个参数outputformat，它的值就是你在datetime.strftime里面输入的值：

find_date(html, outputformat=%Y-%m-%d %H:%M:%S)

运行效果如下图所示：

find_date的参数，除了网页源代码外，还可以传入URL，或者是lxml里面的Dom对象，例如：

from lxml.html import fromstring

selector = fromstring(html)

date = find_date(selector)

参考文献[1] Gne: https://github.com/GeneralNewsExtractor/GeneralNewsExtractor

[2] 相互激励 增进友谊(精彩绽放) |残奥|中国代表团|单板滑雪|夺金_网易政务: https://www.163.com/news/article/H28Q6NQ1000189FH.html