我正在尝试从 https://www.ourcommons.ca/Parliamentarians/en/members?view=List 中提取个人列表.获得列表后,我会浏览每个成员链接并尝试找到他们的电子邮件地址。
由于代码失败,一些成员没有电子邮件。我尝试在匹配结果为无的情况下添加代码,在这种情况下我得到了重复的结果。
我正在使用以下逻辑进行匹配
mat = re.search(r'mailto:\w*\.\w*@parl.gc.ca',ln1.get('href'))
if mat:
email.append(mat.group())
else:
email.append("No Email Found")
if 条件是问题所在。当我使用 else 时,它会为每一行提供一次“未找到电子邮件”。
weblinks=[]
email=[]
page = requests.get('https://www.ourcommons.ca/Parliamentarians/en/members?view=ListAll')
soup = BeautifulSoup(page.content, 'lxml')
for ln in soup.select(".personName > a"):
weblinks.append("https://www.ourcommons.ca" + ln.get('href'))
if(len(weblinks)==10):
break
提取电子邮件
for elnk in weblinks:
pagedet = requests.get(elnk)
soupdet = BeautifulSoup(pagedet.content, 'lxml')
for ln1 in soupdet.select(".caucus > a"):
mat = re.search(r'mailto:\w*\.\w*@parl.gc.ca',ln1.get('href'))
if mat:
email.append(mat.group())
else:
email.append("No Email Found")
print("Len Email:",len(email))
预期结果:有的页面显示邮件,没有的页面显示空白。
最佳答案
如果检查页面 DOM
存在两个相似的元素
,这就是您获得多个值的原因。您需要设置条件来摆脱它。试试下面代码。
weblinks=[]
email=[]
page = requests.get('https://www.ourcommons.ca/Parliamentarians/en/members?view=ListAll')
soup = BeautifulSoup(page.content, 'lxml')
for ln in soup.select(".personName > a"):
weblinks.append("https://www.ourcommons.ca" + ln.get('href'))
if(len(weblinks)==10):
break
for elnk in weblinks:
pagedet = requests.get(elnk)
soupdet = BeautifulSoup(pagedet.content, 'lxml')
if len(soupdet.select(".caucus > a"))> 1:
for ln1 in soupdet.select(".caucus > :not(a[target])"):
mat = re.search(r'mailto:\w*\.\w*@parl.gc.ca',ln1.get('href'))
if mat:
email.append(mat.group())
else:
email.append("No Email Found")
else:
for ln1 in soupdet.select(".caucus > a"):
mat = re.search(r'mailto:\w*\.\w*@parl.gc.ca', ln1.get('href'))
if mat:
email.append(mat.group())
else:
email.append("No Email Found")
print(email)
print("Len Email:",len(email))
输出:
['mailto:Ziad.Aboultaif@parl.gc.ca', 'mailto:Dan.Albas@parl.gc.ca', 'mailto:harold.albrecht@parl.gc.ca', 'mailto:John.Aldag@parl.gc.ca', 'mailto:Omar.Alghabra@parl.gc.ca', 'mailto:Leona.Alleslev@parl.gc.ca', 'mailto:dean.allison@parl.gc.ca', 'No Email Found', 'No Email Found', 'mailto:Gary.Anand@parl.gc.ca']
Len Email: 10
关于python - 我似乎无法在 python 中处理来自 regex(re.search) 的空白结果,我要么得到重复结果,要么没有结果?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57991595/