博客 - 查找上次更新时间答案

【问题标题】：blogs - find time of last update博客 - 查找上次更新时间
【发布时间】：2018-06-04 09:06:53
【问题描述】：

我有一个列表，其中包含大约 2000 个不同语言和不同布局的博客。我有两个任务：识别死链接和识别超过 90 天未更新的博客。虽然第一个任务很简单，但第二个任务让我很头疼。

例子：

http://allfinancialmatters.com/（这个90多天没更新了）

我试过了：

有人知道如何处理这项任务吗？

我正在使用 Python。

【问题讨论】：

【解决方案1】：

首先检查整个 html 中的当前年份。例如（2018）

years = re.findall('.*2018.*', str(res.content)

迭代每条记录，查找是否有任何月份可用，并且是过去3个月（4、5、6、3月、4月、5月、6月），如果是返回博客已在90天内更新，否则认为没有。

re.findall('.*(Jun|Mar|Apr).*', years[0])

【讨论】：

【解决方案2】：

无论博客的格式或语言如何，可以安全地假设每个博客的日期格式在整个博客中保持不变。我会为我能想到的所有日期类型构建不同的正则表达式搜索：

等等......然后寻找所有这些。一旦在页面上匹配其中一个，获取主页上的最大日期，这通常表示上次更新博客的时间。

如果特定网站在您能想到的任何格式上都完全不匹配，请查看该网站使用的格式并使用另一个正则表达式添加该格式，然后重复。

此外，您可以仅对数字 2018 或 18 进行正则表达式，如果找不到它们，则该网站可能最后一次更新是在 2017 年（当然，现在只有这样，如果您这样做，逻辑将失败）重新开始 2019 等等...）

很抱歉没有打扰示例代码，但您也没有 :) 这只是我将使用和改进的基本算法。您可以在此处查看日期正则表达式示例：Regular Expression to match valid dates

您也可以使用这里的一些答案：Check if string has date, any format

【讨论】：