首先,我完全是编程新手,我的英语不是最好的。
我在 Windows 10 专业版上使用 Python 3.6。
经过反复试验,我终于弄明白了如何通过 lxml 从网页中抓取数据以及如何使用 beautifulsoup 和 csv 将其添加到 excel 表中。
到目前为止,这对我来说是可行的。收集姓名、地址和距离的列表非常容易。但是当我试图提取电话号码和电子邮件时,我遇到了麻烦。经过一些研究,我发现他们拆分了电话号码并对其进行了编码。电子邮件也有点棘手。
我想从中提取数据的网页是: https://www.gelbeseiten.de/schluesselfertigbau/bergheim,,,,,umkreis-50000
我发现电话号码的第一部分在这里:
<span class="nummer">(02271) 6 79</span>
他们把剩下的藏在这里:
<span class="suffix encode_me telSelector128028047679_2623072" data-telselector="telSelector128028047679_2623072" data-telsuffix="IDcw"> 70</span>
即使第一部分看起来很简单,我也不能像以前那样使用 lxml 来提取它。
所以我的问题是,初学者是否仍然可以提取电话号码和电子邮件?
或者我应该尝试从打印的 PDF 文件中获取这些数字吗?
请您参考如下方法:
尝试以下解决方案来获取电话号码:
import requests
from lxml import html
source = html.fromstring(requests.get("https://www.gelbeseiten.de/schluesselfertigbau/bergheim,,,,,umkreis-50000").text)
phone_number = "".join([text_node for text_node in source.xpath('//li[@class="phone"]//text()') if text_node.strip()])
print(phone_number)
输出:
'(02271) 6 79 70'
