使用python从html中提取联系信息答案

【问题标题】：extract contact information from html with python使用python从html中提取联系信息
【发布时间】：2015-04-14 22:39:09
【问题描述】：

这是一个示例 html

<div class="yui3-u-5-6" id="browse-products">
<div id="kazbah-contact">
  <span class="contact-info-title">Contact 00Nothing:</span>
  <a href="mailto:info@00nothing.com">info@00nothing.com</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信息，电子邮件、电话和地址。我应该如何用 python 做到这一点？谢谢

【问题讨论】：

看看这个：stackoverflow.com/questions/11709079/parsing-html-python
@RafaelCardoso 我读到了。但是我怎样才能得到“|”之后的信息呢？我的意思是，获取 info@00nothing.com 很容易，但获取电话和地址却很难
也许split 的文档会告诉你如何提取那些“硬”部分。此外，请考虑将来如果您展示您自己尝试过的某种形式的代码，您将获得（更好的）答案。如果您特别写到获取电子邮件地址很容易，那么您为什么不复制您在问题中使用的代码？查看writing the perfect question 和how to ask。

标签： python extract

【解决方案1】：

我用这段代码来提取信息

# _*_ 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()

但是我这里还是只能获取邮箱地址，怎么获取电话号码和地址呢？谢谢

【讨论】：

我现在就明白了。但是对于 css 选择器，“div > a[href^=mailto]”可能不存在。如果找不到“div > a[href^=mailto]”我想继续，我该怎么办？
我写 if BeautifulSoup(urllib2.urlopen(link['href']).read()).select("div > div[id^=kazbah-contact]") == False：继续，但它不起作用
欢迎来到 Stack Overflow。这不是一个答案。您应该编辑原始问题以包含新信息，或者打开一个单独的问题。