bs4 无法选择预期的文本字符串？

Question

我想使用 bs4 提取文章的发布日期，因为报纸模块有时可以工作，而在其他情况下则不能。

例如，网址是http://www.popsci.com/ups-tests-drone-deliveries-to-island。

from bs4 import BeautifulSoup
import urllib.request

page = urllib.request.urlopen(url)
soup = BeautifulSoup(page, 'lxml')

#print (soup.prettify())
date = soup.find('span', {'class':"date"})
print (date)

这将显示以下信息。

<span class="date" data-timestamp="1474907692"><span class="label">posted</span> Sep 26th, 2016 at 12:34pm</span>

我只需要 2016 年 9 月 26 日下午 12:34 份。

所以，我试过了，

date = soup.find('span',{'class':"date"}, text=(re.compile("Sep")))

但是，这只会返回 None。

我相信我在这里错过了一些东西，但不知道出了什么问题。 有人可以帮助我指导我应该解决的问题吗？

Answer 1

怎么样：

date = soup.find('span', {'class':"date"}).text.replace("posted ", "")
# 'Sep 26th, 2016 at 12:34pm'

您可能希望将其包装到某个 try/catch 块中以使其更安全。