无法解析HTML

时间:2018-11-22 05:43:52

标签: python regex parsing beautifulsoup

我目前有一个很大的HTML文件,其中包含目录,我必须解析这些目录并提取名称,地址,邮政编码,电话号码,备用电话号码等,然后将内容放入数组中。其中一些目录列表(如下面所示的代码段)具有较低的挑战性,而且解析起来也很简单。

<span style="font-family: b'CUQZKJ+GaramondPremrPro-LtDisp'; font-size:12px">Aletheia House
<br>201 Finley Avenue West
<br>Birmingham, AL 35204
<br>(205) 324-6502x22
<br>Intake: (205) 324-6502
</span>

样本数组输出

["Aletheia House", "201 Finley Avenue West",
 "Birmingham, AL 35204", "(205) 324-6502x22", "Intake: (205) 324-6502"]

但是,对于下面的代码片段,我目前面临的问题是,要想办法使用BeautifulSoup,Python和RegEx解析一个方案。

<span style="font-family: b'CUQZKJ+GaramondPremrPro-LtDisp'; font-size:12px">Alcohol and Drug Abuse
<br>Treatment Centers Inc/Pearson Hall
<br>2701 Jefferson Avenue SW
<br>Birmingham, AL 35211
<br>(205) 923-6552x12
<br>Intakes: (205) 923-6552x10 (205) 923-
<br>6552x13
</span>

样本数组输出:

["Alcohol and Drug Abuse Treatment Centers Inc/Pearson Hall", 
 "2701 Jefferson Avenue SW", "Birmingham, AL 35211", "(205) 923-6552x12",
 "Intakes: (205) 923-6552x10 (205) 923-6552x13"]

谢谢!

0 个答案:

没有答案