使用 BeautifulSoup 刮取 和 标签的中间数据答案

【问题标题】：Scrape data middle of and tag using BeautifulSoup使用 BeautifulSoup 刮取 和 标签的中间数据
【发布时间】：2017-10-08 19:36:11
【问题描述】：

这是 HTML 的样子：

<td>
        <font face="Arial, sans-serif" size="-1">

                    <b>Home Phone: </b>507-383-1070<br>

                    <b>Cell Phone: </b>507-383-1070<br>

                    <b>E-Mail: </b><a href=mailto:macehrhardt@gmail.com>macehrhardt@gmail.com</a><br>

        </font>
</td>

我只想抓取Home Phone 和Cell Phone 的数据，例如。 507-383-1070。你能帮我看看我将如何使用 BeautifulSoup 来解决这个问题。我尝试了多种方法，但没有找到任何方法。

【问题讨论】：

请向我们展示您已经尝试过的内容。
@sn3jd3r 在代码中我刚刚得到了 标签之间的数据，而不是数字
提示：使用正则表达式

标签： python beautifulsoup

【解决方案1】：

您可以将soup.find_all 与正则表达式一起使用。

>>> soup.find_all(text=re.compile('\d+(-\d+){2}'))
['507-383-1070', '507-383-1070']

您可能需要根据您尝试提取的电话号码格式调整您的正则表达式。

【讨论】：

如果我只想刮Home Phone那我该怎么办？
@RageebArtho 你应该提出一个新问题，这是你应该做的。先关闭这个accept an answer，然后根据你的确切问题问一个新的。
我只能在 90 分钟内发帖。那么你能在这里给出你的答案吗？
@RageebArtho 我可以想到一个涉及find_all 的解决方案 - 查找所有b 标签，将文本与Home Phone 进行比较，如果匹配，请使用tag.nextSibling()（或类似的排序 - 检查文档）并访问其文本属性。
这是给我TypeError: 'NavigableString' object is not callable

【解决方案2】：

对于您提供的 HTML，它们可以提取如下：

from bs4 import BeautifulSoup

html = """<td>
        <font face="Arial, sans-serif" size="-1">
                    <b>Home Phone: </b>507-383-1070<br>
                    <b>Cell Phone: </b>507-383-1070<br>
                    <b>E-Mail: </b><a href=mailto:macehrhardt@gmail.com>macehrhardt@gmail.com</a><br>
        </font>
</td>"""

soup = BeautifulSoup(html, "html.parser")
entries = [b.next.next for b in soup.find_all('b')][:2]

print entries

给你：

[u'507-383-1070', u'507-383-1070']

【讨论】：