Сбор и сортировка дат с веб-сайта с помощью Python

Для этого требуется несколько шагов:

• во-первых, извлеките только продолжительность из каждого URL, удалив теги span. Вы можете сделать это с помощью replace(), split() или использовать регулярные выражения.
• сортировать продолжительность по разным категориям (дни, часы и т. д.)
• в каждой категории отсортируйте продолжительность в обратном порядке (например, 2 часа назад должно быть раньше, чем 1 час назад)
• наконец, соедините категории (дни, часы и т. д.) в одну строку в правильном порядке (дни должны стоять перед часами).

Вот рабочая реализация. Обратите внимание, что вы можете расширить его, чтобы также поддерживать минуты, месяцы и т. д.

elements = [
'<span class = "f">21 hours ago - </span>',
'<span class = "f">20 hours ago - </span>',
'<span class = "f">2 days ago - </span>',
'<span class = "f">1 day ago - </span>']

# extract the durations (eg. 21 hours ago) and store them in times list
times = [elem.replace('<span class = "f">','').replace(' - </span>','') for elem in elements]

# categorize the times into days and hours
days = [time for time in times if "day" in time]
hours = [time for time in times if "hour" in time]

# sort each category in reverse order
days.sort(reverse=True)
hours.sort(reverse=True)

# join categories into a string, such that each time is on a new line
output = '\n'.join(days) + '\n' + '\n'.join(hours)
print(output)

Выход:

2 days ago
1 day ago
21 hours ago
20 hours ago

Демо: https://repl.it/@glhr/55552138

Другой более масштабируемый подход заключается в использовании словаря для преобразования каждой длительности в определенное количество минут, сохранения этих числовых длительностей в отдельном списке и сортировки исходного списка строк на основе числового списка:

elements = [
'<span class = "f">21 hours ago - </span>',
'<span class = "f">20 hours ago - </span>',
'<span class = "f">2 days ago - </span>',
'<span class = "f">1 day ago - </span>']

# extract the durations (eg. 21 hours ago) and store them in times list
times = [elem.replace('<span class = "f">','').replace(' - </span>','') for elem in elements]

minutes_per_duration = {"hours": 60, "hour": 60, "minute": 1, "minutes": 1, "day": 1440, "days": 1440}

duration_values = []

for time in times:
    duration = time.split(" ")[1] # eg. hours
    number = int(time.split(" ")[0]) # eg. 21
    minutes = minutes_per_duration[duration] # eg. 60 (for hours)
    total = minutes * number # 21 * 60 = 1260
    duration_values.append(total)

# sort times based on calculated duration values
output = '\n'.join([times for duration_values, times in sorted(zip(duration_values, times),reverse=True)])

print(output)

Выход:

2 days ago
1 day ago
21 hours ago
20 hours ago

В своем коде вы можете реализовать это так:

def durationSpansToSortedList(elements):
    # extract the durations (eg. 21 hours ago) and store them in times list
    times = [elem.replace('<span class = "f">','').replace(' - </span>','') for elem in elements]

    minutes_per_duration = {"hours": 60, "hour": 60, "minute": 1, "minutes": 1, "day": 1440, "days": 1440}

    duration_values = []

    for time in times:
            duration = time.split(" ")[1] # eg. hours
            number = int(time.split(" ")[0]) # eg. 21
            minutes = minutes_per_duration[duration] # eg. 60 (for hours)
            total = minutes * number # 21 * 60 = 1260
            duration_values.append(total)

    # sort times based on calculated duration values
    # return times as list
    return [[times for duration_values, times in sorted(zip(duration_values, times),reverse=True)], duration_values]

urls=[]
for url in search(' " life " ', stop=20):
    urls.append(url) # this creates a list of results (sentences. For each of them I would like to report the date when it was published)

spanElements = []
sentenceElements = []

for url in urls:
        soup = BeautifulSoup(url, "html.parser")
        spanElements.append(str(soup.find_all('span', {'class':'f'})[0]))
        sentenceElements.append(url)

sortedDurations, duration_values = durationSpansToSortedList(spanElements)
print("Sorted durations:", sortedDurations,"\n")

sortedSentences = [sentenceElements for duration_values, sentenceElements in sorted(zip(duration_values, sentenceElements), reverse=True)]
print("Sorted sentences:", sortedSentences)