從Python中提取電話號碼

電話號碼被隱藏（555 143 ....），直到用戶點擊它'555 1437662'，但是在onclick參數中...我可以使用什麼選項來撥打電話數字從下面的HTML ...？從Python中提取電話號碼

<html> 
    <body> 
     <h3 id="resultTelBar"> 
      <span onclick="showFullNumber(this, '555 1437662'); 
       dcsMultiTrack('DCSext._mainreq','','DCSext.linktype', 
       'telephone show','DCSext.linkplace','','DCSext.linkvalue','555 1437662', 
       'DCSext.show_listingId','SA_6597739_4638_003722_8396251_IYMX', 
       DCSext.show_zoningUsed','0','DCSext.show_resultNumber','1')" 
       >086 143Â ....</span> 
     </h3> 
    </body> 
</html>

來源

2012-05-06 smeimax ...

該信息嵌入在腳本中，該腳本作爲字符串包含在標記屬性中？這是......非常不幸的。

（編輯：爲了澄清，我在這裏假設的問題是「給這個不幸的HTML/JavaScript作爲輸入，我怎麼能解析出的電話號碼與BeautifulSoup」請告知，如果這是不正確的）

我想最簡單的事情是隔離該JavaScript字符串，然後使用正則表達式來提取數字。然而，正則表達式部分將是一個PITA並且相當脆弱。

soup.find('h3', id='resultTelBar').span['onclick']會得到你的字符串，假設湯是BeautifulSoup對象。然後使用re.search解析第一行中的數字。你使用的是什麼確切的正則表達式取決於結果是如何規則的（每種javascript字符串都是用這種方式格式化的，包括換行符等），以及你需要它的外部電話號碼的強健程度，或者javascript這些數據的未來版本稍作調整。

來源

2012-05-06 19:36:33

我注意到beautyfulsoup標籤，但建議您使用我的變種lxml。如果你喜歡，你可以使用它。我不太關心正則表達式，如果它在某些情況下不起作用，可以改進它。

>>> import re 
>>> from lxml import etree 
>>> etree.fromstring(u'''YOUR HTML''') 
>>> onclick = html.xpath('//h3[@id="resultTelBar"]/span/@onclick')[0] 
>>> print re.search("showFullNumber\(this,\s*'([\d ]+)'", onclick).group(1) 
555 1437662

來源

2012-05-06 19:40:26 San4ez

非常感謝你... lxml很棒！將嘗試... –

從Python中提取電話號碼

回答

相關問題