Python 2.7 BeautifulSoup，電子郵件抓取

Question

希望你一切都好。 我是使用Python 2.7的Python新手。

我正在嘗試僅從此公共網站業務目錄中提取mailto： http : //www.tecomdirectory.com/companies.php? segment=&activity=&activity=&search=category&submit=Search
我要查找的郵件是完整目錄中az中每個小部件中提到的電子郵件。 不幸的是，該目錄沒有API。 我正在使用BeautifulSoup，但到目前為止沒有成功。
這是mycode：

import urllib
from bs4 import BeautifulSoup
website = raw_input("Type website here:>\n")
html = urllib.urlopen('http://'+ website).read()
soup = BeautifulSoup(html)

tags = soup('a') 

for tag in tags:
    print tag.get('href', None)

我得到的只是實際網站的網站，例如帶有其他href的http://www.tecomdirectory.com ，而不是小部件中的mailto或網站。 我還嘗試用湯（“目標”）代替湯（“ a”），但沒有運氣！ 有人可以幫我嗎？

Answer 1

您不僅可以找到每個錨，還需要在href中專門查找“ mailto：”，可以使用css選擇器a[href^=mailto:]查找具有以mailto:開頭的href的 錨標簽：

import requests

soup  = BeautifulSoup(requests.get("http://www.tecomdirectory.com/companies.php?segment=&activity=&search=category&submit=Search").content)

print([a["href"] for a in soup.select("a[href^=mailto:]")])

或提取文本：

print([a.text for a in soup.select("a[href^=mailto:]")])

使用find_all("a")您將需要使用正則表達式來實現相同目的：

import re

find_all("a", href=re.compile(r"^mailto:"))