从新闻文章中抓取日期

Question

我需要一些想法来解决这个问题。问题是我有一份网址列表，里面全是新闻文章。我需要抓取这些新闻文章的发布时间。但是，只有少数文章在HTML中有日期标签，绝大多数文章的日期写在不同的标签里。现在我找不到一个通用的方法来从所有网址中提取日期，因为它们的日期都写在不同的标签里。以下是一些文章的发布时间示例：

<div style="vertical-align: bottom; float:left; width:45%;">
  <b>As on: June 19, 2023 </b>
  <br><br><br>
</div>

<ul>
  <li>Updated Mar 14, 2024, 7:25 AM IST</li>
</ul>

我该如何识别这些日期呢？

一个解决方案是使用正则表达式来获取日期，但这样会把文章中写的日期也抓取到。这样就无法区分发布时间和文章中随便写的日期了。