2.8 日期和时间处理

java.util包提供的处理日期和时间的类有SimpleDateFormat、DateFormat、Date以及Calendar。其中，SimpleDateFormat和DateFormat类用来实现日期和时间的格式化，常使用的方法有format(Date date)和parse(String source)；Date类主要处理指定格式的时间；Calendar类主要用于年月日类型数据的转换。

在采集数据时，不同网站的时间使用格式可能不同。而不同的时间格式，会为数据存储以及数据处理带来一定的困难。例如，图2.13所示为某汽车论坛中的时间使用格式，包含“yyyy-MM-dd”和“yyyy-MM-dd HH:mm”两种格式；图2.14所示为某新闻网站中的时间使用格式为“yyyy-MM-dd HH:mm:ss”。

针对汽车论坛中的“yyyy-MM-dd”和“yyyy-MM-dd HH:mm”格式，可以统一转化成“yyyy-MM-dd HH:mm:ss”格式，以方便数据存储以及后期数据处理，如程序2-14所示。在程序2-14中，parseStringTime()方法的作用是将字符串类型的时间标准化成指定格式的时间，这里通过调用DateFormat类中的parse()方法和format()方法来实现。

图2.13 某汽车论坛中的时间使用格式

图2.14 某新闻网站中的时间使用格式

程序2-14

图2.15所示为程序2-14的输出结果。

图2.15 格式化时间

另外，采集数据时，通常需要记录每一条数据的采集时间。图2.16所示为采集的汽车销量数据，字段craw_time表示采集每条记录的时间信息。程序2-15给出了获取当前时间的一个通用方法。在该方法中，使用了Date类的无参构造方法创建了一个Date对象，进而获取当前时间。

程序2-15

图2.16 采集的汽车销量数据

再者，一些网站的时间格式为UNIX时间戳（即从1970年1月1日开始经过的秒数）。图2.17所示为国外某艺术品网站，基于浏览器抓包（下一章中讲解），发现该网页的时间格式为UNIX时间戳，如图2.18所示。为将UNIX时间戳转化为指定格式的时间，需要构造一个通用的方法，如程序2-16所示。

程序2-16

图2.17 国外某艺术品网站

图2.18 网页中的UNIX时间戳