我试图从网页中提取数据,并且发现它非常困难。我试过soup.get_Text()
,但它没有什么好处,因为它只是返回一个字符而不是整个字符串对象。使用BeautifulSoup从html-doc中提取数据时遇到困难
提取名称很容易,因为您可以通过'b'-tag
访问该名称,但是例如提取街道(“AmVogelwäldchen2”)证明相当困难。我可以尝试从单个字符集合地址,但这看起来过于复杂,我觉得必须有一个更简单的方法来做到这一点。也许有人有一个更好的主意。哦,不介意奇怪的功能,我回来了汤,因为我尝试了不同的方法。
import urllib.request
import time
from bs4 import BeautifulSoup
#Performs a HTTP-'POST' request, passes it to BeautifulSoup and returns the result
def doRequest(request):
requestResult = urllib.request.urlopen(request)
soup = BeautifulSoup(requestResult)
return soup
def getContactInfoFromPage(page):
name = ''
straße = ''
plz = ''
stadt = ''
telefon = ''
mail = ''
url = ''
data = [
#'Name',
#'Straße',
#'PLZ',
#'Stadt',
#'Telefon',
#'E-Mail',
#'Homepage'
]
request = urllib.request.Request("http://www.altenheim-adressen.de/schnellsuche/" + page)
request.add_header("Content-Type", "application/x-www-form-urlencoded;charset=utf-8")
request.add_header("User-Agent", "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:33.0) Gecko/20100101 Firefox/33.0")
soup = doRequest(request)
#Save Name to data structure
findeName = soup.findAll('b')
name = findeName[2]
name = name.string.split('>')
data.append(name)
return soup
soup = getContactInfoFromPage("suche2.cfm?id=267a0749e983c7edfeef43ef8e1c7422")
print(soup.getText())
谢谢,我会尝试,当我回家。 – 2014-11-23 18:43:47