抓取地址 & 电话号码 & 地图答案

【问题标题】：Scraping Address & Phone Number & Map抓取地址 & 电话号码 & 地图
【发布时间】：2017-06-26 02:26:49
【问题描述】：

我有以下 HTML

<div class="fiche-detail">
      <div class="ColG">
         <div class="ColG1">
            <div class="bloc-info">
               <h2 class="titre filet-bottom3">Coordinates</h2>
               <p>
                  555, avenue du Pont Nord<br />
                  Alma, Québec<br />
                  G8B6T5                                  
               </p>
               <p>
                  Phone number&nbsp;: 418 668-4657                   <br />
                  Fax&nbsp;:  418 668-2770                   
               </p>
            </div>
        </div>
    </div>
<div>

从以下位置加载： http://www.saq.com/webapp/wcs/stores/servlet/SAQStoreLocatorSearchResultsStoreDetailsView?storeLocationId=10374&catalogId=50000&langId=-1&storeIdentifier=33632&storeId=20002

我正在尝试提取以下详细信息并将它们加载到“storedetails”数组中：

街道编号 (555)
街道（北桥大道）
城市（阿尔玛）
州（魁北克）
邮政编码 (G8B6T5)
电话号码
传真
坐标（来自底部的js，也从上面那个页面加载）

正则表达式是唯一的解决方案，还是有更好的方法来做到这一点，至少知道每个地址的长度可能不同。

如果正则表达式是唯一的方法，是否有可能获得一些指针。我不确定我应该从标签开始多远。喜欢 from 因为这是自上而下此特定标签的第一个实例。

谢谢！

<script type="text/javascript">   
   dojo.addOnLoad(function(){
      var mapCenter = new google.maps.LatLng(48.55970, -71.63980);
      var optionsList = {
         zoom: 16,
         center: mapCenter,
         mapTypeId: google.maps.MapTypeId.ROADMAP
      };
      var map = new google.maps.Map(document.getElementById("GoogleMap"), optionsList);

      var storeMarker = new google.maps.Marker({
         position: mapCenter,
         map: map,
         icon: image
      });
   }); 
</script>

【问题讨论】：

您可能想要使用正则表达式解析器来提取每个感兴趣的<p>，然后使用正则表达式来梳理各种地址组件。
嗨，所以我想出了以下内容：(\d+), (\D+),\s(\D+)
\s+(\D\d\D\d \D\d)\s+\s+
。似乎得到了我最想要的。另一个问题是可以将 () 包围的每个正则表达式匹配组输出到我正在谈论的数组中。尝试谷歌，但似乎无法获得正确的关键字。
@Senri 是否要使用PHP 从HTML 中提取数据？

标签： php regex

【解决方案1】：

一般来说，从网页的纯 HTML 中读取数据非常危险，当您有其他可能性时，您不应该这样做。最大的问题是您永远不知道网页何时会更改，或者您获得的数据结构是否正确。

在您的示例中，您不知道数据将具有给定的结构：

[STREET_NR], [STREET]<br />
[CITY], [STATE]<br />
[POST_CODE]

因此，最好的方法是联系 SAQ 并询问他们是否提供 API。

【讨论】：