整合营销服务商
电脑端+手机端+微信端=数据同步管理
免费咨询热线：
电脑端+手机端+微信端=数据同步管理
免费咨询热线：
据采集中，发布时间解析的正确与否，直接关系着使用数据的产品的质量。一般在做做大规模数据爬取时，都会整理一下发布时间规律，如特殊关键字，时间正则等。下面介绍一下，我在工作中处理的具体步骤。
1：收集发布时间标识词
一般情况下，标识发布时间的关键词有：更新时间：、发布日期:、发表时间：、发稿时间：、发布于:、编辑日期：、发布于：等。通过这些特殊关键词，可以高效、准确的判断出时间所在位置，提供解析的准确率。
2：收集发布时间正则
发布时间的正则表达式，一般情况下主要有以下十一种发布时间获取规则：
(\d{4}-\d{1,2}-\d{1,2}\s\d{1,2}:\d{1,2}:\d{1,2})
(\d{2}-\d{1,2}-\d{1,2}\s\d{1,2}:\d{1,2}:\d{1,2})
(\d{4}-\d{1,2}-\d{1,2}\s\d{1,2}:\d{1,2})
(\d{2}-\d{1,2}-\d{1,2}\s\d{1,2}:\d{1,2})
(\d{4}-\d{1,2}-\d{1,2})
(\d{2}-\d{1,2}-\d{1,2})
(\d{1,2}-\d{1,2}\s\d{1,2}:\d{1,2}:\d{1,2})
(\d{1,2}-\d{1,2}\s\d{1,2}:\d{1,2})
(\d{1,2}:\d{1,2}:\d{1,2})
(\d{1,2}-\d{1,2})
(\d{1,2}:\d{1,2})
使用的过程中，需要注意这九种表达式的顺序。由于我在使用过程中，发布时间标识词与正则表达式，是在一个系统中统一管理。
所以，对每个标识词和表达式进行了排序，排序值越小，越先处理。如下如： 正则表达式、 关键词。
3：处理特殊时间格式
特殊时间格式如：“分钟前”、“小时前”、“天前”、“周前”、“今天”等。主要把这些时间转换为正常的时间格式，便与后续的解析。
4：HTML源码预处理
1：删除多余的HTML标签
删除meta、style、script、link、select、input、button、img等标签，消除这些标签中的值对解析的影响；
2：特殊标签处理
替换“”、"<span"、“”等为“ ”
3：特殊字符处理
主要是对时间进行统一化、规范化。如“年”、“\”、“/”、“月”等替换为“-”；“日”、"T"等替换为“ ”等；
4：删除HTML所有的标签、特殊符号、字母等
5：根据收集的发布时间说明词，截取HTML源码
if self.keywords !=None:
for kw in self.keywords:
try:
index=0
if kw in html:
index=html.index(kw)
begin=0;
end=len(html)
if(index > 1):
end=index + 100
if index >=100:
begin=index - 100
else:
begin=index
html=html[begin:end]
break
except : print(traceback.format_exc())
6：替换所有的汉字为“ ”，同时规范字符串
5：解析发布时间
1：根据收集的时间正则，解析发布时间
2：根据获取时间时使用的正则，规范发布时间
3：判断当前时间是否合法。主要是判断解析出的时间是否大于当前时间，如果大于，则用当前时间填充。避免影响后续产品的数据使用。
自清先生在《匆匆》一文中，形容时间是在早晨太阳光里悄悄流逝；是在洗手的时候随水流逝去；是在睡觉时小心翼翼的从我们身上跨过，最后我们的日子便一去不复返了。时间对所有人都是公平的，你的一分钟和他们的分钟没有任何区别。但是管理好时间是很重要的。时间线是什么呢？就是以时间点为轴，记录在各个时间点上发生的事情。
时间线的定义很简单，但是用法，目的各不相同，只需根据自己的需求绘制就行。
1.可以用来作为手账的时间轴，记录过去生活里的点点滴滴，看过的电影，走过的路等等。等到下次在看见时，便能回想起那段时光。
2.可以用来规划未来的日程安排，甚至还可以以小时为单位，详细的在井井有条的规划着这一整天的生活。同时也可以督促自己来完成这些任务，成为更好的人。
3.可以用来记录谈恋爱中的每个“第一次”，第一次说我爱你；第一次一起看电影；第一次见家长等等，同记录生活类似，只不过更加具体到了一件事上，通过时间线来将生活数据化，但是看着这些时间点和文字又能回想起当时羞怯的心情。
下方提供的时间线均为来源于“亿图图示”网站。形式各种各样，保持实用性的同时，也不失美观。
如何绘制一幅时间线？首先，需要明确这幅时间线是用来记录什么，然后就只需根据按照下列操作步骤，一幅时间线就可绘制完成。
第一步：下载“亿图图示”软件，或者通过浏览器访问在线版亿图图示。打开软件，就可以开始作图了。
第二步：新建一幅时间线。依次点击“商务”-“时间线”，从下方亿图图示所提供的模板中选择一个打开即可。
第三步：在画布左侧有提供多种基本绘图形状，背景和时间线，如果对当前所选模板不满意，便可以从左侧中双击选取适宜的形状，背景和时间线来绘制出一幅新的时间线。
第四步：双击选中画布模板中的文字即可修改。如果需要添加新的文本，可以点击上方的文本按钮来新添一个文字模板。
第五步：时间线绘制完成后，可以点击右上角的保存，打印，导出等按钮。保存绘制完成后的时间线，选择将作品导出为图片，PDF，Excel，HTML等格式。
亿图图示是一款适用于商务办公，战略规划，市场分析，人力资源，工程管理的综合办公绘图软件的国产软件。支持多种电脑系统，也支持线上网页操作绘图。在亿图图示中可以绘制诸如时间线，系统图、组织结构图、商务图表等260余种图表。此外亿图图示也提供十分丰富的模板和例子，这样使用者不用从头一步一步设计绘制，只要选择好适合需求的模板，对其进行适当修改完善，即可绘制出直观大方的图表。当然，也可以全程自行设计页面，选择更多样。
1.符合国人需求：亿图图示是一款出生于中国深圳的国产软件，已经经过了16年的更新迭代，作为一款成熟的办公软件亿图图示可以跨平台综合办公绘，而且无论界面或功能上都比较贴合国人的使用习惯，全中文界面简单明了。
2.支持多种格式导入：绘制表格类模板时，不仅可以一键将导入Visio，SVG文件，还可以批量转化Visio文件到Edraw文件，轻松实现文件数据转移，避免时间浪费。
3.支持多种格式导出：除了各种图片格式，亿图图示还支持保存为Html，PDF，SVG，Microsoft Word, PowerPoint，Excel等多种格式。在常见的软件中应用都可以找到与之相匹配的文件格式。
4.软件操作简单舒适，易上手：亿图图示界面简单明了，功能强大。无需自行绘制，因为亿图图示的一大特色便是自带模版，通过拖拽式操作，没有绘画基础的新手也能迅速绘制出有水准的图表。
5.丰富的绘图模板：亿图图示拥有的260中不同类型图标的丰富模板，据统计内置超过26000种图形模板和矢量符号，供用户任意选择，修改完善模板，搭建起符合要求的演示模板。
6.便捷式分享：图表绘制完成后，不仅可以以多种格式保存，用户不会被格式的问题所困扰，还可以一键分享至微信，朋友圈等。此外，新版的亿图图示还提供在线多人协作模式，提升工作效率。
文为原创分享，转载请注明出处。
即时通讯IM应用中的聊天消息时间显示是个再常见不过的需求，现在都讲究用户体验，所以时间显示再也不能像传统软件一样简单粗地暴显示成“年/月/日 时:分:秒”这样。所以，市面上几乎所有的IM都会对聊天消息的时间显示格化做人性化处理，从而提升用户体验（使用感受会明显友好）。
这两天正在继续开发RainbowChat-Web产品，所以正需要这样的代码。但经过在即时通讯网的论坛和技术交流群里询问，以及网上的所谓仿微信例子，都不符合要求。这些例子要么简陋粗暴（有逻辑bug硬伤）、要么并不完整（可能只是随手写的练手代码，并不适合放到产品中），所以本着做技术精益求精的态度，没有现成的轮子可用，那就只能造轮子了。
那么，按怎样的显示逻辑来实现呢？作为移动端IM的王者，微信无疑处处是标杆，所以本次的消息时间显示格式，直接参照微信的实现逻辑准没错（随大流虽然没个性，但不至于非主流）。
* 提示：本文中的代码实现，是从 RainbowChat 和 RainbowChat-Web 两个IM产品中扒出来简化后的结果，是基于完全相同的算法逻辑分别用OC、Java和JavaScript实现的。如您觉得有用，可以改改直接用于您的产品，如您有更好的建议请直接回复和评论。代码仅供参考，不足之外，还请见谅！
（本文同步发布于：http://www.52im.net/thread-2371-1-1.html）
*请认真填写需求信息，我们会在24小时内与您取得联系。
