用Python从html中提取电话号码

2024-09-27 00:18:25 发布

您现在位置：Python中文网/ 问答频道 /正文
3423 3

在用户单击“5551437662”之前，电话号码是隐藏的（5551437662），但它在onclick参数中。。。我可以使用什么选项从下面的HTML中获取电话号码。。。？在

<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')"
                >086 143 ....</span>
        </h3>
    </body>
</html>

Tags： 用户id参数html选项show电话号码body
2条回答
网友
1楼 · 编辑于 2024-09-27 00:18:25

信息嵌入在一个脚本中，该脚本以字符串的形式包含在标记属性中？那是。。。很不幸。在

（编辑：为了澄清，我假设这里的问题是“如果输入这个不幸的html/javascript，我怎么能用beauthoulsoup解析出电话号码呢？”。如果不正确，请告知。）

我想最简单的事情是隔离javascript字符串，然后使用regex来提取数字。然而，regex部分将是一个PITA，相当脆弱。在

假设soup是BeautifulSoup对象，soup.find('h3', id='resultTelBar').span['onclick']将得到字符串。然后使用re.search来解析第一行之外的数字。使用什么样的正则表达式取决于结果的规则性（是否每个javascript字符串都是这样格式化的，包括换行符）？等等）以及您需要它的健壮性，例如外国电话号码，或者在将来的javascript数据版本中稍作调整。在

网友
2楼 · 编辑于 2024-09-27 00:18:25

我注意到了beautyfulsoup标记，但建议您使用lxml作为变体。 如果你愿意，你可以用它。我不太关心正则表达式，如果它在某些情况下不起作用，你可以改进它。在

>>> 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

相关问题 更多 >

    编程相关推荐

    热门问题