전화 번호와 주소를 구문 분석 할 수 없습니다.

Question

저는 python으로 일부 요소의 전화 번호와 주소를 가져 오는 스크립트를 작성했습니다. 문제는 내가 전화 번호를 구문 분석하려고 시도한 방식이 확실히 지저분한 것입니다. 나는 주소에 대해서도 똑같이 할 수있다. 그러나 더 깨끗하고 좋은 방법이 있습니까? 데이터가 포함되어있는 내

요소 : 그건 그렇고

(330)971-7456 

:

from lxml.html import fromstring 

tree = fromstring(html_content) 
phone = ' '.join([elem.text_content().strip().split()[-2] for elem in tree.cssselect("div")]) 
phone1 = ' '.join([elem.text_content().strip().split()[-1] for elem in tree.cssselect("div")]) 
print(phone+phone1) 

결과 :

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> 
    ''' 

표현 및 스크립트 나는 전화 번호를 구문 분석하는 데 사용했습니다 , 주소는 Lyndhurst, OH이고 전화 번호는 (330)971-7456입니다. ady는 지저분한 방식으로 움켜 쥐었다.

Answer 1

텍스트를 줄 바꿈으로 나눌 수 있으므로 최소한의 사후 처리만으로 편리하게 주소와 전화 번호를 가져올 수 있습니다. 당신이 그것을 할 수

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

Answer 2

더 구체적인 CSS 선택기를 사용해 볼 수 있습니다. tree.cssselect("div")에 의해 반환 된 값을 조작하는 대신, 당신은 당신의 텍스트를 액세스 할 때, 이는 반환해야한다 "(330) 971-7456를"

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

를 사용할 수 있습니다. > 님이 상위 요소에 액세스합니다 (예 : div > br은 부모가 <div> 요소 인 모든 <br> 요소를 선택하고 "3"은 부모의 세 번째 자식을 지정합니다. 자세한 내용은 here을 참조하십시오.

이 간단한 경우에는 작동하지만 div > br:nth-child(3)으로 지정된 여러 요소가있는 경우, 즉 의 두 그룹이 <div> 인 경우 문제가 발생할 수 있습니다. 이 경우 CSS 선택기는 여러 값 (목록 등)을 반환해야하며 모든 값을 반복하고 각 전화 번호를 추출해야합니다. 면책 조항 : 나는 lxml.html 라이브러리를 사용하지 않았으며 cssselect()의 예상 기능을 조사하지 않았으므로 여기서 보장하지 않습니다.

Answer 3

더 좋은 방법은 xpath를 사용하는 것입니다. address, phone = tree.xpath('./div/br/text()')[-2:]

Answer 4

또 다른 방법 :

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