fast-esp - 从 FAST-ESP 中的 html 元数据中提取日期

Question

在文档处理期间，我想从 html 元数据中提取所有日期，然后确定将用于填充日期字段 (dtgeneric1) 的最新日期。

<meta name="OriginalPublicationDate" content="2010/04/21 12:06:36" />
<meta name="LastModificationDate" content="2010/04/22 14:10:16" />
+ other non-date meta data

使用 spy 阶段的检查表明我们的管道已经添加了 meta_* 属性，但元数据名称在来自不同来源的文档中会有所不同。

#### ATTRIBUTE meta_originalpublicationdate <class 'docproc.DocumentAttributes.TextChunks'>: 2010/04/21 12:06:36
#### ATTRIBUTE meta_lastmodificationdate <class 'docproc.DocumentAttributes.TextChunks'>: 2010/04/22 14:10:16
+ other non-date meta attributes

理想情况下，我们希望将所有 meta_* 属性传递给 Python 阶段，并使用它来计算出哪些是日期，哪些是最大的，但似乎没有办法将“所有元属性”指定为输入。

有没有人做过类似的事情，并且可以就最好的方法提供任何建议。

谢谢

尼尔

Answer 1

我想一个将所有需要的日期属性作为输入的自定义阶段，处理所有它们之间的比较（以找到最新的日期），并输出最新的字段将完成这项工作。