Merge pull request #2813 from omnivore-app/fix/published-date

get published date from url and time elements

packages/readabilityjs/Readability.js

@@ -76,6 +76,22 @@ const extractPublishedDateFromAuthor = (author)=> {
   return [authorName, null];
 };
 
+// extract published date from url if it's in the format of yyyy/mm/dd or yyyy-mm-dd
+const extractPublishedDateFromUrl = (url) => {
+  if (!url) return null;
+
+  const regex = /(\d{4})(\/|-)(\d{2})(\/|-)(\d{2})/i;
+  const match = url.match(regex);
+  if (match) {
+    const year = parseInt(match[1], 10);
+    const month = parseInt(match[3], 10) - 1; // January is 0 in JavaScript Date
+    const day = parseInt(match[5], 10);
+
+    return new Date(year, month, day);
+  }
+  return null;
+}
+
 /**
  * Public constructor.
  * @param {Document} doc     The document to parse.
@@ -1081,6 +1097,18 @@ Readability.prototype = {
     }
     // we don't want to check for dates in the URL's
     if (node.tagName.toLowerCase() === 'a') return
+    // get the datetime from time element
+    if (node.tagName.toLowerCase() === 'time') {
+      const datetime = node.getAttribute('datetime')
+      if (datetime) {
+        const date = new Date(datetime)
+        if (!isNaN(date)) {
+          this._articlePublishedDate = date
+          return true
+        }
+      }
+    }
+
     // Searching for the real date in the text content
     const content = node.textContent.trim()
     let dateFound
@@ -3056,7 +3084,11 @@ Readability.prototype = {
       return null;
 
     const byline = metadata.byline || this._articleByline;
-    const [author, publishedAt] = extractPublishedDateFromAuthor(byline);
+    const [author, publishedDateFromAuthor] = extractPublishedDateFromAuthor(byline);
+    const publishedDate = metadata.publishedDate || 
+      extractPublishedDateFromUrl(this._documentURI) || 
+      publishedDateFromAuthor || 
+      this._articlePublishedDate;
 
     this._postProcessContent(articleContent);
 
@@ -3092,7 +3124,7 @@ Readability.prototype = {
       siteName: metadata.siteName,
       siteIcon: metadata.siteIcon,
       previewImage: metadata.previewImage,
-      publishedDate: metadata.publishedDate || publishedAt || this._articlePublishedDate,
+      publishedDate,
       language: this._getLanguage(metadata.locale || this._languageCode),
     };
   }

packages/readabilityjs/test/index.html

@@ -20,6 +20,12 @@
         <a href="./test-pages/electrek/distiller.html" target="iframe_b">[dom-distiller]</a>
       </li>
 
+      <li>caixin<br />
+        <a href="./test-pages/caixin/source.html" target="iframe_b">[source]</a>
+        <a href="./test-pages/caixin/expected.html" target="iframe_b">[readability]</a>
+        <a href="./test-pages/caixin/distiller.html" target="iframe_b">[dom-distiller]</a>
+      </li>
+
       <li>news.utexas<br />
         <a href="./test-pages/news.utexas/source.html" target="iframe_b">[source]</a>
         <a href="./test-pages/news.utexas/expected.html" target="iframe_b">[readability]</a>

packages/readabilityjs/test/test-pages/caixin/distiller.html

@@ -0,0 +1,20 @@
+<div><p>
+                                    　　<b>【财新网】</b>9月26日，汽车服务平台<a href="https://s.ccxe.com.cn/entities/companies/202035144" target="_blank">途虎养车</a>正式在港交所主板挂牌上市。途虎养车（ <a href="09690.HKM">09690.HK</a> ）上市发行价为28港元/股，此前公司披露的发行价区间为28港元/股至31港元/股，即实际发行价为区间下限。当日，途虎养车收报29.5港元/股，较发行价涨5.36%，市值为239.6亿港元。
+                                </p><p>
+                                    　　途虎养车上市不易。途虎养车2022年1月即在港交所递表，2022年8月、2023年3月两次重新递交上市申请材料，终于在2023年8月23日通过聆讯。
+                                </p><img src="https://file.caixin.com/images/m/lineContent.png"/><div>
+
+
+                                    </div><div>
+                                         后获取已订阅的阅读权限
+                                    </div><div>
+                                            财新通会员<br/>
+                                            可畅读全文
+                                        </div><div>
+                                    </div><img src="https://showimg.caixin.com/dolphinfile/caixin/2023/06/15688_1_16865563181267.jpg"/><img src="https://file.caixin.com/static/mh5/images/conponclose.png"/><p>
+                            　　推荐进入<a href="https://cxdata.caixin.com/index" target="_blank">财新数据库</a>，可随时查阅公司股价走势、结构人员变化等投资信息。
+                        </p><div>
+                        责任编辑：屈运栩 | 版面编辑：刘潇(ZN028)
+                    </div><dt>
+                            话题：
+                        </dt></div>

packages/readabilityjs/test/test-pages/caixin/expected-metadata.json

@@ -0,0 +1,11 @@
+{
+  "title": "途虎养车港交所挂牌 腾讯为最大外部股东",
+  "byline": "文｜财新 余聪",
+  "dir": null,
+  "excerpt": "途虎养车 腾讯国内汽车服务市场高度分散，2022年，途虎养车取得汽车服务收入115亿元，市场份额0.9%",
+  "siteName": "fakehost",
+  "previewImage": "https://img.caixin.com/2023-09-26/169572084568190_560_373.jpg",
+  "publishedDate": "2023-09-25T16:00:00.000Z",
+  "language": "English",
+  "readerable": true
+}

packages/readabilityjs/test/test-pages/caixin/expected.html

@@ -0,0 +1,45 @@
+<DIV class="page" id="readability-page-1">
+    <div id="the_content">
+        <div id="conTit">
+            <h2> 途虎养车港交所挂牌 腾讯为最大外部股东 <img src="https://file.caixin.com/webchannel/all/img/icon_key.png">
+            </h2>
+            <!--baidu begin-->
+            <!--baidu end-->
+            <div id="artInfo">
+                <!-- tt.s 12/17 -->
+                <p> 文｜财新 余聪 </p><!-- tt.e 12/17 -->
+                <p> 2023年09月26日 17:22 </p>
+                <!-- tt.s 12/17 来源于
+      <a href=http://www.caixin.com target=_blank>财新网</a> 
+      tt.e 12/17-->
+                <!-- 新版音频播放器代码 begin -->
+                <!-- 新版音频播放器代码 end -->
+                <img id="swit" height="26" src="http://file.caixin.com/images/content/PC.jpg"> 试听 
+            </div>
+            <p> 国内汽车服务市场高度分散，2022年，途虎养车取得汽车服务收入115亿元，市场份额0.9% </p>
+        </div>
+        <div id="Main_Content_Val">
+            <p> 　　<b>【财新网】</b>9月26日，汽车服务平台<a href="https://s.ccxe.com.cn/entities/companies/202035144" target="_blank">途虎养车</a>正式在港交所主板挂牌上市。途虎养车（ <a onclick="return false" href="http://fakehost/test/09690.HKM">09690.HK</a> ）上市发行价为28港元/股，此前公司披露的发行价区间为28港元/股至31港元/股，即实际发行价为区间下限。当日，途虎养车收报29.5港元/股，较发行价涨5.36%，市值为239.6亿港元。 </p>
+            <p> 　　途虎养车上市不易。途虎养车2022年1月即在港交所递表，2022年8月、2023年3月两次重新递交上市申请材料，终于在2023年8月23日通过聆讯。 </p>
+        </div>
+        <!--杂志购买 begin-->
+        <!--全站公用文章页收费框碎片-->
+        <div id="chargeWall">
+            <p><img src="https://file.caixin.com/images/m/lineContent.png"></p>
+            <p>登录 后获取已订阅的阅读权限 </p>
+            <!---->
+            <!---->
+            <!---->
+            <!---->
+            <!---->
+            <!---->
+        </div>
+        <div id="pay-box">
+            <p><img src="https://file.caixin.com/static/mh5/images/conponclose.png"></p>
+        </div>
+        <!--<script src="//file.caixin.com/pkg/cx-pay-layer/js/chunk-vendors.js"></script>-->
+        <!--杂志购买 end-->
+        <p> 　　推荐进入<a href="https://cxdata.caixin.com/index" target="_blank">财新数据库</a>，可随时查阅公司股价走势、结构人员变化等投资信息。 </p>
+        <p> 责任编辑：屈运栩 | 版面编辑：刘潇(ZN028) </p>
+    </div>
+</DIV>