python - 获取 "Unknown String Error"

Question

我编写了一个函数，可以从网站上抓取多个邮政编码的数据。该代码适用于大多数邮政编码，但在某些地方我遇到了未知字符串错误。

这是我正在使用的代码

import time
from datetime import date, timedelta
from bs4 import BeautifulSoup
import urllib2
from dateutil.parser import parse
import pandas as pd
import random
import os
url = 'https://www.sittercity.com/jobs/search?distance=50&&page=1&per_page=100000&search_strategy=babbysitting_job&&selected_facets%5Bnew_jobs%5D=true&sort=relevance&zipcode=94513'
soup = BeautifulSoup(urllib2.urlopen(url))
posts = [t.text for t in soup.find_all(class_ = "item posted-by")]
dates = [parse(item, fuzzy = True) for item in posts]

错误来自帖子列表中的第 34 项。然而列表中每个元素的数据类型是相同的，所以我很困惑。列表中的第 33 项似乎也有效。例如:

这有效:

dates_single = parse(posts[32], fuzzy = True)

但这并不(？)

dates_single = parse(posts[33], fuzzy = True)

这是 posts[32] 和 posts[33] 的值

>>> posts[33]
u'Posted by April A. on 3/28/2016'
>>> posts[32]
u'Posted by Chandrika M. on 3/30/2016'

我通读了 datetil.parser 文档，发现“未知字符串错误”用例似乎都不适合。

Answer 1

由于April(检测为月份名称)和3(检测为月份编号)之间的冲突而发生错误。

最小示例:

from dateutil.parser import parse
parse(u'Posted by Chandrika M. on 3/30/2016', fuzzy=True)  # datetime.datetime(2016, 3, 30, 0, 0)
parse(u'Posted by April A. on 3/28/2016', fuzzy=True)  # ValueError: Unknown string format
parse(u'Posted by XYZ A. on 3/28/2016')  #  datetime.datetime(2016, 3, 28, 0, 0)

由于您的格式定义明确，因此您可以简单地执行直接转换，无需任何启发式方法。

s = u'Posted by April A. on 3/28/2016'
datetime.datetime.strptime(s.split()[-1], "%m/%d/%Y")  # datetime.datetime(2016, 3, 28, 0, 0)