我正在开发一个参考webapp作为我正在学习的课程的一部分，其目的是让学生快速，轻松地参考他们找到信息的材料，并且我遇到了几个问题。的东西。
首先是获得文章/网站的发布日期。在处理静态HTML站点时，这很容易，因为我可以简单地使用document.lastModified来提取它上次修改的时间。在处理更常见的CMS驱动的网站时出现问题，因为页面是动态生成的，导致document.lastModified总是返回“now”的等价物......这根本不准确。
网站的开发人员可以采取一些步骤，通过HTML5的实现使这更容易，即添加元素，可以设置其他属性来定义帖子发布的时间。像这样的网站很好，但绝大多数网站都没有使用HTML5，我不会很快看到这种变化。那里的任何人都有关于如何准确识别帖子创建时间的一些想法？
第二个是准确识别帖子或页面的作者。有几种方法可以识别这一点。首先，如果一个网站使用了hAtom微格式来识别网站的元素，这会让事情变得简单......但是，与发布日期相比并不常见。
接下来是查看网站的元数据，并根据存储在那里的内容识别作者。这种情况并不常见，通常也是网站的所有者，或者不负责该帖子的其他人，这使得它作为资源使用时有些不可靠。
答案 0 :(得分：0)
如果网站有RSS源，并且该文章已经足够包含在其中，您可以从中提取有关该文章的元数据。
答案 1 :(得分：0)
对不起我帮不了多少，但是如果使用正则表达式扫描页面上的'By ___'或'Source：___'来获取信息的作者/来源呢？
至于上次修改的日期，据我所知，没有简单的方法可以抓住这个，因为正则表达日期会返回最近的文章在侧边栏，链接等等。是的，正如你所说的document.lastmodified不行。您可以考虑将“添加日期”替换为您的参考者，或类似的。
希望这对你至少有所帮助，如果没有，会给你一两个想法。
当然，如果有可用的API / RSS，您可以扫描它上次更新/发布的日期，并使用它吗？
答案 2 :(得分：0)
听起来很难做，只是因为我知道这些信息绝对没有标准化。有些网站可能会将其添加到关键字中，有些则不会。
作为媒体批评课的一部分，我做了一些拼抢，我发现每个cms都必须单独处理。总的来说，制作能够在随机网页上找到作者信息的内容听起来非常困难。
您可能能够专门从WordPress博客中获取此信息，因为这些信息有很多共性。但是设计的目的只是打击任何网站并获取特定的信息，这非常困难。
根本没有试图劝阻你，只是说你已经设定了一个非常高的目标，imho。