Python网页爬取问题：无法从P标签提取独立的地址与电话字段

我来帮你搞定这个爬虫提取的问题！你现在踩了两个小坑：一是地址把公司名带进来了，二是电话提取的方式不对，导致返回None。咱们一步步来修正：

原代码的问题分析 #

• 地址部分：你用split("Phone")[0]会把p标签里从开头到"Phone"的所有内容都捞过来，包括最前面的公司名，所以才会多出"Assemblers Inc."。
• 电话部分：soup.find("p", text=re.compile("Phone:(.*)"))是在找整个文本完全匹配这个正则的p标签，但实际上p标签里还有公司名和地址，自然找不到，返回None。

修正后的代码 #

import re
import requests
from bs4 import BeautifulSoup

url = 'https://ams.contractpackaging.org/i4a/memberDirectory/?controller=memberDirectory&action=resultsDetail&directory_id=6&detail_lookup_id=90DB59F83AFA02C0'
res = requests.get(url, headers={'User-Agent': 'Mozilla/5.0'})
soup = BeautifulSoup(res.text, 'lxml')

# 先拿到目标p标签的完整文本，清理多余的换行和空格
detail_text = soup.find(class_="memeberDirectory_details").find("p").text.strip()
# 按换行分割成干净的行列表（去掉空行和首尾空格）
clean_lines = [line.strip() for line in detail_text.split('\n') if line.strip()]

# 提取地址：跳过第一行的公司名，收集到Phone行之前的内容
address_parts = []
for line in clean_lines:
    if line.startswith('Phone:'):
        break
    address_parts.append(line)
# 去掉第一个元素（公司名），合并成完整地址
address = ' '.join(address_parts[1:])

# 提取电话：用正则匹配Phone:后面的内容
phone_match = re.search(r'Phone:\s*(.*)', detail_text)
phone = phone_match.group(1) if phone_match else '未找到电话信息'

# 输出期望的结果
print(f"{address} {phone}")

代码逻辑说明 #

1. 清理文本：先把p标签里的文本处理干净，去掉多余的换行和空格，得到清晰的行列表。
2. 提取地址：遍历行列表，跳过第一行的公司名，把后面到"Phone:"之前的内容合并成地址。
3. 提取电话：用正则表达式精准匹配"Phone:"后面的内容，不管前面有多少内容都能拿到电话。

运行这段代码后，就能得到你想要的结果：2850 West Columbus Ave. Chicago IL 60652 UNITED STATES (773) 378-3000

内容的提问来源于stack exchange，提问作者MITHU