Question

这就是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>

我只想抓取Home Phone和Cell Phone的数据，例如。 507-383-1070。你能帮我解决一下我将如何使用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。

Answer 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']

您可能需要调整正则表达式，具体取决于您尝试提取的电话号码的格式。

Answer 2

对于您提供的HTML，可以按如下方式提取它们：

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']

使用BeautifulSoup在<b>和<br/>标签中间刮取数据

2 个答案: