从混合代码（html、css、javascript）和数据中提取数据答案

【问题标题】：extract data from mixture of code (html, css, javascript) and data从混合代码（html、css、javascript）和数据中提取数据
【发布时间】：2015-02-14 16:04:05
【问题描述】：

我有一些嵌入了数据的代码。这是一个示例：

<div class='clear' ></div>
    </div> <!-- findResultListing -->














    <div class='findResultListing ' id='result_listing_7_0' onclick='examMapManagerHandle.clickMarker(7,0);'>





    <a href='javascript:examMapManagerHandle.clickMarker(7,0);'>
        <img class='balloon' src='/system/themes/asp/img/gmarkerH.png' border='0' />
    </a>


        <div class='findResultInfo'>
                        <div class="nextStep">
                <a href="/system/modules/shibboleth/secure_find/shib_gateway.php?url=%2Fexams%2Fschedule.php%3Fnav%3Dexams%2Cstucourses%2Cexams%2Csched_exam%26amp%3Badd_locid%3D1672">
                    <img height="16" border="0" align="left" width="16" src="/system/themes/asp/img/schedule.png"/>Schedule&nbsp;Exam 
                </a>
            </div>

            <a href='javascript:examMapManagerHandle.clickMarker(7,0);' >


                    SJSU Testing

                    <img class='userType' border='0' src="/system/themes/asp/img/org.png" alt='Testing Site' title='Testing Site'/>




            </a>
            <br />


                                One Washington Square<br />

                                Industrial Studies Building 228<br />

                                San Jose, CA  95112<br />



                                Phone: (408) 924-5980<br />

                                Email: <span id="_smarty_mailto_span_2096382943_1423929156_8">&nbsp;</span>
            <noscript>To see email address, enable javascript</noscript>
            <script type="text/javascript">var mailto=document.getElementById("_smarty_mailto_span_2096382943_1423929156_8");            
               mailto.innerHTML='<a href="mailto:testing-office@sjsu.edu" >testing-office@sjsu.edu</a>';</script><br />




                    Fee for two hour exam: 

        $40.00      












                                <a class="helpBtn" onmouseover="asp_toolTip(this,' &lt;strong&gt;Fee Details:&lt;\/strong&gt; We charge $20 for the first hour and $10 for each half hour after... &lt;br /&gt;  &lt;strong&gt;Miscellaneous Fees:&lt;\/strong&gt; Test emailed in pdf/Word Doc., we will charge an administrative fee of $15 for 10 or more test pages &lt;br /&gt;  &lt;strong&gt;Parking Fee Details:&lt;\/strong&gt; Its $8.00 to park in the 10th St. garage on the corner of 9th &amp; E. San Fernando Sts.', 'findResultsToolTip', 'fit_west', 'map_results_pane');"></a>

            <br />



                            </div><!-- findResultInfo -->

我只想从上面的代码中提取以下内容：

SJSU考试考场

华盛顿广场一号

工业研究大楼 228

加利福尼亚州圣何塞 95112

电话：(408) 924-5980

邮箱：testing-office@sjsu.edu

两小时考试费用：40.00 美元

我可以通过哪些方式自动从代码中提取这些数据？

【问题讨论】：

建议的解决方案对您有用吗？
@aberna 我不确定如何“使用”Xpath。我应该在 Chrome 中使用它（它可以通过“检查元素”获得）......还是有一些我应该使用的应用程序？我熟悉 Xpath 作为一种在网页中定位内容的技术......并且已经使用过它从 Excel 和 Google 表格中 --- 我应该使用其中之一来执行此操作吗？
Xpath 用于导航元素。所有主要语言都提供不同的接口来使用 xpath。在此处查看en.wikipedia.org/wiki/XPath 以了解您喜欢使用的编程语言的实现。
在 SO 上查看各种方法 (stackoverflow.com/questions/tagged/xpath)。由于您想自动化提取过程，我建议您开始使用 Lxml、BeautifulSoup、Scrapy 等作为 Python 的爬虫
您可以使用 Xpath 和 Regex 获得结果。很大程度上取决于您将用于实现自动化的工具

标签： web-scraping screen-scraping text-parsing text-extraction data-extraction

【解决方案1】：

使用 Xpath 我会使用这个表达式：

//*/text()

【讨论】：