Python 2.7 BeautifulSoup, очистка электронной почты

Question

Надеюсь, вы все в порядке. Я новичок в Python и использую python 2.7.

Я пытаюсь извлечь только MAILTO из этого общего каталога веб-бизнеса: http://www.tecomdirectory.com/companies.php?segment=&activity=&search=category&submit=Search
на почту я ищу являются письма, упомянутые в каждом виджете из-з в полном каталоге. К сожалению, в этом каталоге нет API. Я использую BeautifulSoup, но пока не добился успеха.
здесь mycode:

import urllib 
from bs4 import BeautifulSoup 
website = raw_input("Type website here:>\n") 
html = urllib.urlopen('http://'+ website).read() 
soup = BeautifulSoup(html) 

tags = soup('a') 

for tag in tags: 
    print tag.get('href', None) 

то, что я получаю только сайт фактического сайта, как http://www.tecomdirectory.com с другим HREF, а затем MailTo или веб-сайты в виджетах. я также попытался заменить суп ('а') супом («цель»), но не повезло! Может ли кто-нибудь помочь мне, пожалуйста?

Answer 1

Вы не можете просто найти все якоря, вам нужно специально искать «электронную почту:» в HREF, вы можете использовать селектор a[href^=mailto:] CSS, который находит якоря тегов, которые имеют HREF начиная с mailto::

import requests 

soup = BeautifulSoup(requests.get("http://www.tecomdirectory.com/companies.php?segment=&activity=&search=category&submit=Search").content) 

print([a["href"] for a in soup.select("a[href^=mailto:]")]) 

Или извлечь текст:

print([a.text for a in soup.select("a[href^=mailto:]")]) 

Использование find_all("a") вам нужно будет использовать регулярное выражение для достижения То же самое:

import re 

find_all("a", href=re.compile(r"^mailto:"))