我想從大約1000-2000個不同的餐館網站上獲取聯繫信息。幾乎所有人都在主頁或某種「聯繫」頁面上都有聯繫信息，但沒有兩個網站完全相同（即沒有共同的利用模式）。我怎樣才能可靠地從這些網站抓取電子郵件/電話號碼信息，而無需專門將Python腳本指向頁面上的特定元素（即腳本需要與結構無關，因爲每個站點都有獨特的HTML結構，都有，例如，他們的聯繫信息在「聯繫人」div）。用Python刻錄幾個獨特站點的聯繫信息
我知道沒有辦法編寫一個100％有效的程序，我只想盡量提高命中率。
任何有關這方面的指導 - 從哪裏開始，要閱讀什麼 - 將不勝感激。
謝謝。
查看python的正則表達式模塊。 你可以寫一個簡單的表達，如：
re.search(u"\(\d{3}\) \d{3}-\d{4}",string)
，並找到任何標準格式的手機串號（代表美國）。 它看起來像亂碼，但一旦你做，它應該讓網絡抓取變得更容易。 這裏有一個體面的入門教程：
http://www.tutorialspoint.com/python/python_reg_expressions.htm
我也強烈建議硒網絡，如果你遇到了太多動態網頁刮：
在大多數國家，電話號碼遵循極少數定義明確的模式之一，可以用簡單的正則表達式匹配 - 同樣，電子郵件地址具有國際公認的格式 - 只需簡單地刮掉主頁，聯繫人或聯繫我們頁面，然後解析使用正則表達式 - 您應該輕鬆實現90％以上的準確性。
當然，您也可以簡單地將餐廳名稱和城鎮提交到黃頁網站的當地等同物。
很好，謝謝。如果主頁上沒有電子郵件/電話匹配，找到網站聯繫頁面的最佳方式是什麼？只需在頁面上查找「聯繫人」中的鏈接？由於我要在多達2000個不同的網站上運行這個腳本，我不想一定要搜索每個錨元素（除非這是唯一的方法），爲了節省時間/保持程序不受影響崩潰。有任何想法嗎？ – sundance
希望他們中的大多數會像你說的那樣將它放在主頁上（這可能有點愚蠢）。我建議首先搜索主頁，然後在鏈接文本中使用「聯繫」頁面（可以使用BeautifulSoup來獲取這些頁面）。之後，您可以單獨處理問題網站 - 如果必須猜測，您應該只有100個左右。 – ejk314