Python 无法分析电话号码和地址

我用python编写了一个脚本，从一些元素中获取电话号码和地址。问题是我试图解析电话号码的方式肯定很混乱。我可以为地址做同样的事情。然而，有没有更干净或更好的方法

嵌入数据的元素：

html_content='''
    <div style="">
        <strong>Pamela Banchy, Chief Information Officer</strong>
            <br>Western Reserve Hospital<br> 
            <br>Lyndhurst, OH <br>
                <a href="mailto:pbanchy@westernreservehospital.org">pbanchy@westernreservehospital.org</a>
            <br>(330) 971-7456<br>
    </div>
    '''

结果:

(330)971-7456

---

顺便说一句，地址是

Lyndhurst，哦

，电话号码是

（330）971-7456

，我已经用一种混乱的方式抓到了它。

你可以尝试使用更具体的CSS选择器。您可以使用

tree.cssselect("div > br:nth-child(3)")

当您访问其文本时，应返回“（330）971-7456”。

访问父元素，例如

div>br

选择父元素为

元素的所有

元素，“3”指定父元素的第三个子元素。有关更多详细信息，请参阅

---

在这种简单的情况下，这将起作用，但是如果有多个元素由

div>br:nth child（3）

指定，例如如果有两组

与

一起指定，则可能会遇到问题。在这种情况下，CSS选择器应该返回多个值（在一个列表或其他东西中），您可能希望遍历所有值并提取每个电话号码。免责声明：我没有使用lxml.html库，也没有研究cssselect（）的预期函数，因此这里没有保证。

我认为更好的方法是使用xpath。

---

address，phone=tree.xpath（'./div/br/text（）'）[-2:]

您可以通过换行来拆分文本，这样您就可以用最少的后期处理更方便地获取地址和电话号码

for elem in tree.cssselect('div'):
    elem = elem.text_content().split('\n')
    address = elem[-4].strip()
    phone = elem[-2].replace(' ', '')

---

另一种方法是：

text_nodes = [node for node in tree.cssselect('div')[0].itertext() if node.split()]
adress, phone = text_nodes[2], text_nodes[4]

---

你有很多相似的标签来提取信息吗？还是只有这一个？很多相似的br标签，但共同点是电话号码在最后一个位置，地址在最后三个位置。你的选择器没有任何意义。不过谢谢你的尝试！在看了更多的HTML代码之后，我意识到它也需要一些澄清。例如，

你好，

本身就没有意义。应该是

你好

。在意识到缩进令人困惑之后，我编辑了CSS选择器。请提供一个更清楚的例子！看到你的选择器我真的很困惑。为什么要在br标记的基础上创建选择器呢。这是断线。哦！我假设，既然您谈论的是HTML，那么

就是一个元素。您可能已经知道，HTML标记被

包围，我将接受它作为一个答案，因为您已经向我展示了如何使用它。我有个主意，做一行<代码>地址=“”.join（[elem.text_content（）.strip（）.split（'\n'）[-3]表示树中的元素。cssselect（“div”））

和

电话=“”.join（[elem.text_content（）.strip（）.split（'\n'）[-1]表示树中的元素。cssselect（“div”）]）

@Shahin我这样写的，因为我假设您想从每个div标记中分别提取地址和号码。您的一行程序将把所有地址和所有电话号码连接在一起。这很好，如果你想要的话。顺便说一下，当地址本身可以包含空格时，您可能需要注意将地址与空格连接起来。谢谢您所做的一切。这种风格对我来说是全新的，先生。是的，它能做到。谢谢，先生。在这种情况下，您的解决方案是最好的。只有两行代码可以获取5个单独的结果。再次感谢，先生。请注意，如果您想将所有5个文本节点分配给5个不同的变量，您可以使用语法

名称、工作、地址、电子邮件、电话=text\u节点
text_nodes = [node for node in tree.cssselect('div')[0].itertext() if node.split()]
adress, phone = text_nodes[2], text_nodes[4]