我需要从 HTML 中取出电话号码和电子邮件。
我可以得到数据。
description_source = soup.select('a[href^="mailto:"]'),
soup.select('a[href^="tel:"]')
但我不想要它。
我正在尝试使用
decompose
description_source = soup.decompose('a[href^="mailto:"]')
我收到这个错误
TypeError: decompose() takes 1 positional argument but 2 were given
我想过用
SoupStrainer
但看起来我必须包括除 mailto 和 tel 之外的所有内容才能获得正确的信息...
这个位的完整当前代码是这个
import requests
from bs4 import BeautifulSoup as bs4
item_number = '122124438749'
ebay_url = "http://vi.vipr.ebaydesc.com/ws/eBayISAPI.dll?ViewItemDescV4&item=" + item_number
r = requests.get(ebay_url)
html_bytes = r.text
soup = bs4(html_bytes, 'html.parser')
description_source = soup.decompose('a[href^="mailto:"]')
#description_source.
print(description_source)
请您参考如下方法:
尝试使用 find_all()。找到该页面中的所有链接,然后检查哪些链接包含电话和电子邮件。然后使用 extract().
使用 lxml 解析器进行更快的处理。也推荐在官方文档中使用。
import requests
from bs4 import BeautifulSoup
item_number = '122124438749'
ebay_url = "http://vi.vipr.ebaydesc.com/ws/eBayISAPI.dll?ViewItemDescV4&item=" + item_number
r = requests.get(ebay_url)
html_bytes = r.text
soup = BeautifulSoup(html_bytes, 'lxml')
links = soup.find_all('a')
email = ''
phone = ''
for link in links:
if(link.get('href').find('tel:') > -1):
link.extract()
elif(link.get('href').find('mailto:') > -1):
link.extract()
print(soup.prettify())
您也可以使用 decompose() 代替 extract()。
