在我们日常的数据采集中，时间time的重要性毋庸置疑的，因为它是衡量采集到的信息是否具有正确时效性的唯一因素。如果我们采集到的信息对于客户来说已经是过期的信息，这对于客户没有使用的价值，影响客户使用。

所以我们今天就来说说在日常采集中遇到的时间如何正确采集，保证信息的时效性。

1>.首先我们要获取当前的时间，才能有效的判断信息的时效性。

import datetime

#获取当前时间

gtime = datetime.datetime.now()

# #获取当前时间的年 月 日.day

year = datetime.datetime.now().year

month = datetime.datetime.now().month

day = datetime.datetime.now().day

2>.时间的格式化。在采集外文网站中常会遇到(Mar 09,2018\ Thu Jun 22 00:00:00 CST 2017)，对照着进行匹配

%a星期的简写。如 星期三为Web

%A星期的全写。如 星期三为Wednesday

%b月份的简写。如4月份为Apr

%B月份的全写。如4月份为April

%c: 日期时间的字符串表示。(如： 04/07/10 10:43:39)

%d: 日在这个月中的天数(是这个月的第几天)

%f: 微秒(范围[0,999999])

%H: 小时(24小时制，[0, 23])

%I: 小时(12小时制，[0, 11])

%j: 日在年中的天数 [001,366](是当年的第几天)

%m: 月份([01,12])

%M: 分钟([00,59])

%p: AM或者PM

%S: 秒(范围为[00,61]，为什么不是[00, 59]，参考python手册~_~)

%U: 周在当年的周数当年的第几周)，星期天作为周的第一天

%w: 今天在这周的天数，范围为[0, 6]，6表示星期天

%W: 周在当年的周数(是当年的第几周)，星期一作为周的第一天

%x: 日期字符串(如：04/07/10)

%X: 时间字符串(如：10:43:39)

%y: 2个数字表示的年份

%Y: 4个数字表示的年份

%z: 与utc时间的间隔 (如果是本地时间，返回空字符串)

%Z: 时区名称(如果是本地时间，返回空字符串)

%%: %% => %

#Mar 09,2018\ Thu Jun 22 00:00:00 CST 2017

c_time = 'Mar 09,2018'

print(type(c_time)) #查看类型是--

ctime = datetime.datetime.strptime(c_time,"%b %d,%Y")

print(ctime)

print(type(ctime)) #查看类型是--

3>.借助正则来提升匹配率

ctime = data.xpath('''//span[@class="time"]''').regex('(\d+-\d+-\d+ \d+:\d+:\d+|\d+-\d+-\d+ \d+:\d+|\d+-\d+-\d+|\d+-\d+ \d+:\d+)').datetime()

4>.对于时间里面包含汉字(年、月、日)(刚刚、分钟前、小时前、天前)

4.1.时间里面包含年、月、日---2018年3月15日 12:25

import htmlparser #导包

ctime = htmlparser.Parser(data.xpath('''//span[@class="time"]''').text().replace('年', '-').replace('月', '-').replace('日', '')).datetime()

4.2.时间里面包含刚刚、分钟前、小时前、天前

ctime = data.xpath('''//span[@class="topic_time"]/text()''').text().strip()

if "刚刚" in ctime:

ctime = gtime - datetime.timedelta(minutes=1)

elif "分钟前" in ctime:

ctime = re.search(r'\d+', ctime).group()

ctime = gtime - datetime.timedelta(minutes=int(ctime))

elif "小时前" in ctime:

ctime = re.search(r'\d+', ctime).group()

ctime = gtime - datetime.timedelta(hours=int(ctime))

elif "天前" in ctime:

ctime = re.search(r'\d+', ctime).group()

ctime = gtime - datetime.timedelta(days=int(ctime))

else:

# return None

ctime = htmlparser.Parser(ctime).datetime()

5>.对于正文里面没有时间的，查看是否url里面含有时间的信息  http://www.shanxi.gov.cn/sq/dwjl/gjjmlw/201802/t20180208_396922.shtml

import re

post_url = 'http://www.shanxi.gov.cn/sq/dwjl/gjjmlw/201802/t20180208_396922.shtml'

c_time = re.search('''t(\d{8})_''', post_url).group(1)

ctime = datetime.datetime.strptime(c_time, "%Y%m%d") - datetime.timedelta(0, 3600 * 8)

6>.时间戳的转化(如果采集的内容里面没有时间，可以查找类似1548906627这样的一串数，打开http://tool.chinaz.com/Tools/unixtime.aspx，测试一下是否是时间戳格式的)

如果确定是时间戳格式的

===============时间戳格式转换==============

c_time1 = '获取到的时间戳'

ctime = datetime.datetime.utcfromtimestamp(int(c_time1))

最后，此内容为自己整理所得，如有不适合你的情况，请另行其它方法解决。

来源：https://www.cnblogs.com/swda/p/10342908.html