代码之家 › 专栏 › 技术社区 › Lucas Jones

将堆栈溢出中的非标准日期字符串解析为.NET日期时间

screen-scraping datetime .net c#

1

Lucas Jones · 技术社区 · 16 年前

我正在写一个屏幕刮刀来清除堆栈溢出。我现在写的这个位接受HTML并将所有信息放入一个模型对象中。我在分析答案中的信息时遇到了一些麻烦。

问题是stackoverflow用来描述绝对时间的日期格式。 DateTime.Parse 不适用于它们。我试着跟他开玩笑 DateTime.ParseExact 但我没有成功。两抛一 FormatException

以下是一些背景:

如果您在源HTML中查找答案,您将得到:

<div id="answer-{id}" class="answer">
    <!-- ... -->
            answered <span title="2009-06-18 13:21:16Z UTC" class="relativetime">Jun 18 at 13:21</span>
    <!-- ... -->
</div>

请注意,绝对时间存储在SPAN的标题属性中。我已经用过了 HTML Agility Pack 从codeplex中访问元素,并提取了属性的值。

现在我想知道如何获得 "2009-06-18 13:21:16Z UTC" 进入.NET DateTime 对象。

我希望能够做到这一点不需要正则表达式等,但由于整个项目是黑客和不稳定的,我真的不介意!

最后,由于以下原因,我无法使用数据转储:

我不能用BitTorrent。曾经。
如果可以的话,这些文件对于我的网络连接来说太大了。
有点过时了。
没那么好玩!

3 回复 | 直到 11 年前

1

4

dtb 16 年前

"Z" 和 "UTC" 在同一 DateTime 字符串似乎是多余的。

如果你移除 “UTC” 从字符串中, Parse 作品:

System.DateTime.Parse("2009-06-18 13:21:16Z")
{18.06.2009 15:21:16}
    Date: {18.06.2009 00:00:00}
    Day: 18
    DayOfWeek: Thursday
    DayOfYear: 169
    Hour: 15
    Kind: Local
    Millisecond: 0
    Minute: 21
    Month: 6
    Second: 16
    Ticks: 633809352760000000
    TimeOfDay: {15:21:16}
    Year: 2009

2

Noon Silk 16 年前

好吧,你永远不会用regex来做这个,但是我认为这个格式只是这里描述的“u”格式: http://msdn.microsoft.com/en-us/library/az4se3k1.aspx

所以parseexact应该接受这一点(通过一些小的工作)。

3

1

nos 16 年前

我在这里没有找到与时区(z-utc)匹配的魔力,但是假设它们都是utc,这应该可以让您开始:

   string d = "2009-06-18 13:21:16Z UTC";
   CultureInfo provider = CultureInfo.InvariantCulture;
   string format  = "yyyy-MM-dd HH:mm:ssZ UTC";
   DateTime dt ;
   if(DateTime.TryParseExact(d,format,provider,DateTimeStyles.AssumeUniversal,out dt) {
          //use dt;
   } else {
       //bail out, error.
   }