電話番号と住所を解析できません

Question

私はPythonでいくつかの要素から電話番号と住所を取得するためのスクリプトを書いています。事は私が電話番号を解析しようとした方法は間違いなく乱雑です。私は住所のために同じことをすることができます。しかし、よりクリーンで良い方法がありますか？データが埋め込まれた内

要素：ところで

(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) 

結果：

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> 
    ''' 

式とスクリプトが、私は電話番号を解析するために使用しました、アドレスはLyndhurst, OH、電話番号は(330)971-7456ですadyは乱雑なやり方でつかまった。

Answer 1

テキストを改行で分割することができるため、アドレスと電話番号を最小限の後処理で簡単に取得できます。あなたがそれを行うことができます

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

Answer 2

より具体的なCSSセレクタをお試しください。 tree.cssselect("div")によって返された値を操作するのではなく、あなたがそのテキストにアクセスするときに、返す必要があります「（330）971から7456の」

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

を使用することができます。 >は親の要素にアクセスします。 div > brは、親が<div>の要素であるすべての<br>要素を選択し、 "3"は親の3番目の子を指定します。詳細はhereを参照してください。 S <div>「が<br>とS」のの2グループがあった場合

これは、この単純なケースでは動作しますが、div > br:nth-child(3)で指定された複数の要素がある場合は、問題に遭遇するかもしれない、と言います。この場合、CSSセレクタは複数の値（リストなど）を返す必要があり、すべてをループして各電話番号を抽出したいとします。 免責事項：私はlxml.htmlライブラリを使用しておらず、cssselect（）の期待される機能を調査していないので、ここでの保証はありません。

Answer 3

私はより良い方法はxpathを使用していると思います。 address, phone = tree.xpath('./div/br/text()')[-2:]

Answer 4

別の方法：

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