无法从网页中抓取附加到文本的某些时间戳

Question

我正在尝试从网页中抓取附加到文本的timestamp。我可以完美地抓取文本，但找不到时间戳。不过，我可以从那里刮掉附加到 cmets 的其他时间戳。 cmets 中的时间戳可以在脚本标签中找到，作为created_at 的值。但是，我找不到我要的那个。

website url

我试过了：

import re
import json
import requests

url = 'https://www.instagram.com/p/CEuX_8iH95S/'

with requests.Session() as s:
    s.headers['User-Agent'] = 'Mozilla/5.0 (Windows NT 6.1; ) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.106 Safari/537.36'
    r = s.get(url)
    script_tag = json.loads(re.findall(r"window\._sharedData = (.*?});",r.text)[0])
    post_content = script_tag['entry_data']['PostPage'][0]['graphql']['shortcode_media']['edge_media_to_caption']['edges'][0]['node']['text']
    print(post_content)

如何从上面的网站解析附加到文本的时间戳？

Answer 1

您可以使用datetime 模块中的.fromtimestamp() 方法解析时间戳。

这是怎么做的：

import datetime
import re
import json
import requests

url = 'https://www.instagram.com/p/CEuX_8iH95S/'

with requests.Session() as s:
    s.headers['User-Agent'] = 'Mozilla/5.0 (Windows NT 6.1; ) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.106 Safari/537.36'
    r = s.get(url)
    script_tag = json.loads(re.findall(r'window\._sharedData = (.*?});', r.text)[0])
    post_date = script_tag['entry_data']['PostPage'][0]['graphql']['shortcode_media']['taken_at_timestamp']

    print(datetime.datetime.fromtimestamp(post_date).isoformat())
    print(datetime.datetime.fromtimestamp(post_date).strftime("%b %d %Y %H:%M:%S"))

打印出来：

2020-09-04T20:25:49
Sep 04 2020 20:25:49

如果您想了解有关日期格式的更多信息，请查看文档here。