如何使用python，BeautifulSoup獲取跨度值

Question

我是第一次使用BeautifulSoup，並嘗試從湯對象中收集一些數據，例如電子郵件，電話號碼和郵寄地址。

使用正則表達式，我可以識別電子郵件地址。 我找到電子郵件的代碼是：

def get_email(link):
mail_list = []
for i in link:
        a = str(i)
        email_pattern = re.compile("<a\s+href=\"mailto:([a-zA-Z0-9._@]*)\">", re.IGNORECASE)
        ik = re.findall(email_pattern, a)
        if (len(ik) == 1):
                mail_list.append(i)
        else:
                pass
s_email = str(mail_list[0]).split('<a href="')
t_email = str(s_email[1]).split('">')
print t_email[0]

現在，我還需要收集電話號碼，郵寄地址和網址。 我認為在BeautifulSoup中，必須有一種簡單的方法來查找這些特定數據。

一個示例html頁面如下：

<ul>
    <li>
    <span>Email:</span>
    <a href="mailto:abc@gmail.com">Message Us</a>
    </li>
    <li>
    <span>Website:</span>
    <a target="_blank" href="http://www.abcl.com">Visit Our Website</a>
    </li>
    <li>
    <span>Phone:</span>
    (123)456-789
    </li>
    </ul>

並使用BeatifulSoup，我試圖收集電子郵件，網站和電話的跨度值。

提前致謝。

Answer 1

代碼最明顯的問題是，您將表示鏈接的對象重新轉換為HTML，然后再次使用正則表達式對其進行解析-首先，它忽略了使用BeautifulSoup的許多要點。 您可能需要使用正則表達式來處理href屬性的內容，僅此而已。 另外， else: pass是不必要的-您可以完全省略else: pass 。

這是一些執行所需操作的代碼，可能是一個有用的起點：

from BeautifulSoup import BeautifulSoup
import re

# Assuming that html is your input as a string:
soup = BeautifulSoup(html)

all_contacts = []

def mailto_link(e):
    '''Return the email address if the element is is a mailto link,
    otherwise return None'''
    if e.name != 'a':
        return None
    for key, value in e.attrs:
        if key == 'href':
            m = re.search('mailto:(.*)',value)
            if m:
                return m.group(1)
    return None

for ul in soup.findAll('ul'):
    contact = {}
    for li in soup.findAll('li'):
        s = li.find('span')
        if not (s and s.string):
            continue
        if s.string == 'Email:':
            a = li.find(mailto_link)
            if a:
                contact['email'] = mailto_link(a)
        elif s.string == 'Website:':
            a = li.find('a')
            if a:
                contact['website'] = a['href']
        elif s.string == 'Phone:':
            contact['phone'] = unicode(s.nextSibling).strip()
    all_contacts.append(contact)

print all_contacts

這將為找到的每個聯系人生成一個詞典列表，在這種情況下，將為：

[{'website': u'http://www.abcl.com', 'phone': u'(123)456-789', 'email': u'abc@gmail.com'}]