如何从HTML中提取地址和电话号码？

有专门解析此类数据的库吗？

您可以使用谷歌地图之类的工具。对地址进行地理编码，如果成功，Google的API将返回地址的XML表示形式，并将所有元素分开（并更正或完成）

编辑：

我被否决了，不知道为什么。解析地址可能有点困难。下面是一个使用谷歌实现这一点的示例：

---

我并不是说这是唯一的方法，也不一定是最好的方法。只需解析网站地址的一种方法。

这有两个部分：从页面中提取完整地址，并将该地址解析为您可以使用的内容（例如，将各个部分存储在数据库中）

对于第一部分，您需要一个启发性的、最有可能取决于国家的地址：对于美国地址

[a-Z][a-Z]，？\s*\d\d\d\d\d

应该给出地址的结尾，前提是这两个字母都是州。查找字符串的开头是一个练习

第二部分可以通过调用GoogleMaps来完成，也可以像往常一样在Perl中使用CPAN模块来完成：（在您的数据上测试它，看看它是否对您足够有效）

---

在任何情况下，这都是一项困难的任务，您很可能永远不会100%正确地完成它，因此在使用它们之前，请计划手动检查地址。

您不需要正则表达式（现在）或像pyparsing这样的通用解析器（根本不需要）。看看像BeautifulSoup这样的东西，它甚至可以将糟糕的HTML解析成类似于标签树的东西。从那里，您可以查看页面的源代码，并找出要向下钻取哪些标记以获取数据。然后，从Beautiful Soup的树中，您可以使用XPath（在最新版本中）搜索这些节点，并直接在您感兴趣的标记上循环，轻松地获得实际数据。从那里，您可以使用快速正则表达式或其他方法解析数据。这将比仅仅用纯正则表达式更灵活、更经得起未来考验，也可能不会让人头疼。

。IMHO说，将“云中”服务（如Google Maps API）视为一个库（这是海报所要求的）是有效的。也许否决票是因为没有首先从html页面获取地址？只是一个猜测。可能被否决了（顺便说一句，我没有），因为这样做是反对谷歌的TOS的，除非你向用户显示地图。