提取联系人信息，与蟒蛇

-6

<div class="yui3-u-5-6" id="browse-products"> 
<div id="kazbah-contact"> 
    <span class="contact-info-title">Contact 00Nothing:</span> 
    <a href="mailto:[email protected]">[email protected]</a> | 800-410-2074 
    | C/O Score X Score 
    &nbsp;8118-D Statesville Rd 
    , 
    Charlotte, 
    NC 
    28269 
</div> 
<div class="clearfix"></div>

我想在这里提取联系人信息，电子邮件，电话和地址。我应该如何用python来做到这一点？由于

来源

2015-04-14 Artanis Wong

看看这个：http://stackoverflow.com/questions/11709079/parsing-html-python – RafaelC

@RafaelCardoso我读到了。但是如何在“|”之后获得信息？我的意思是，获取[email protected]很容易，但很难得到电话和地址 –

也许['split']的文档（https://docs.python.org/3/library/stdtypes.html#str .split）将向您展示如何提取这些“硬”部分。另外，如果你展示你自己尝试过的某种形式的代码，那么在将来考虑你会得到（更好的）答案。如果你特意写出获取电子邮件地址很容易，那么为什么你没有复制你在问题中使用的代码？看看[写完美的问题]（http://codeblog.jonskeet.uk/2010/08/29/writing-the-perfect-question/）和[如何问]（https://stackoverflow.com/help /如何对问）。 –

我使用此代码提取信息

# _*_ coding:utf-8 _*_ 
import urllib2 
import urllib 
import re 
from bs4 import BeautifulSoup 
import sys 
reload(sys) 
sys.setdefaultencoding('utf-8') 

def grabHref(url,localfile): 
    html = urllib2.urlopen(url).read() 
    html = unicode(html,'gb2312','ignore').encode('utf-8','ignore') 
    soup = BeautifulSoup(html) 
    myfile = open(localfile,'wb') 
    for link in soup.select("div >   a[href^=http://www.karmaloop.com/kazbah/browse]"): 
     for item in BeautifulSoup(urllib2.urlopen(link['href']).read()).select("div > a[href^=mailto]"): 
      contactInfo = item.get_text() 
      print link['href'] 
      print contactInfo 

     myfile.write(link['href']) 
     myfile.write('\r\n') 
     myfile.write(contactInfo) 
     myfile.write('\r\n') 
    myfile.close() 



def main(): 
    url = "http://www.karmaloop.com/brands" 
    localfile = 'Contact.txt' 
    grabHref(url,localfile) 
if __name__=="__main__": 
    main()

但我仍然只能得到电子邮件地址在这里，我怎么能得到电话号码和地址？谢谢

来源

2015-04-15 15:05:45

我现在得到。但对于CSS选择器，“div> a [href^= mailto]”可能不存在。我想继续如果找不到“div> a [href^= mailto]”，我该怎么办？ –

我写如果BeautifulSoup（urllib2.urlopen（link ['href']）.read（））。select（“div> div [id^= kazbah-contact]”）==假：继续，但它doesn' t工作 –

欢迎来到Stack Overflow。这不是一个答案。您应该编辑您的原始问题以包含新信息，或者打开一个单独的问题。 – Bryan

提取联系人信息，与蟒蛇

回答

相关问题