Python 网络垃圾电话号码

首先，我是一个编程新手，我的英语不是最好的

我在Windows10Pro上使用Python3.6

经过一些尝试和错误，我终于想出了如何通过lxml从网页中删除数据，以及如何使用beautifulsoup和csv将其添加到excel工作表中

到目前为止，这对我来说是可行的。收集姓名、地址和距离的列表非常容易。但当我试图提取电话号码和电子邮件时，我遇到了麻烦。经过一些研究，我发现他们把电话号码分开，并对其进行了编码。电子邮件也有点棘手

我要从中提取数据的网页是：

我发现电话号码的第一部分在这里：

<span class="nummer">(02271) 6 79</span>

（02271）6 79

他们把其余的藏在这里：

<span class="suffix encode_me telSelector128028047679_2623072" data-telselector="telSelector128028047679_2623072" data-telsuffix="IDcw"> 70</span>

70

即使第一部分看起来很简单，我也不能像以前那样使用lxml来提取它

所以我的问题是，如果初学者仍然可以提取电话号码和电子邮件

---

或者我应该尝试从打印的PDF文件中获取这些号码吗？

尝试以下解决方案以获取电话号码：

import requests
from lxml import html

source = html.fromstring(requests.get("https://www.gelbeseiten.de/schluesselfertigbau/bergheim,,,,,umkreis-50000").text)
phone_number = "".join([text_node for text_node in source.xpath('//li[@class="phone"]//text()') if text_node.strip()])
print(phone_number)

输出：

---

我很难理解你的问题。您是否在询问是否可以从HTML属性中提取数字？当然尝试一下，让我们看看它是如何失败的——我们很乐意提供帮助！为了说明这一点，完整的电话号码应该是

（02271）67970

？@M.T.是的。这就是我需要它的方式，更糟糕的是：电话号码的最后一部分没有出现在下载的html中：它是在DOM修改下载后用javascript编写的。这意味着您不能仅通过

urllib.request

和

BeautifulSoup

直接获得它。换言之，他们不希望你从机器人上使用他们的页面……你好，塞奇，还有其他方法吗？with:

import re with open（'text.txt'）作为fp:lines=fp.read（）.split（“\n”）

im从“strg-a”复制的文本中获取一个包含完整数字的列表。但是我不知道如何过滤列表中的电话号码。我尝试了正则表达式，但无法提供所需的模式……或者，使用

文本内容
：
源代码.xpath（'//li[@class=“phone”]'）[0]。文本内容（）.strip（）
。是的，我也尝试过，但得到了
。（02271）6 79\n\t\t\t\t 70'
。可能输出只是从我的角度来看的，因为我并没有真正用
请求测试它，而是用从浏览器开发工具复制的HTML示例测试它……感谢您的快速响应。但我的输出看起来略有不同：“（02271）679（02181）2700（02161）2419（02131）6667（02103）3900（02173）2047（02235）92304（02232）423（0157）868574（02181）27811（02181）47490（02202）188（0211）2380（02235）9230”我如何将它们划分到一个列表中？为什么缺少后缀（例如70）？@DanielHe，正如评论中已经提到的，最后的数字来自JavaScript，提供的方法可能只适用于静态页面。您可能需要使用selenium才能处理动态内容。。。
'(02271) 6 79 70'