社区
我最近使用了编码，目前正在使用Python3，urllib，BeautifulSoup，RegEx和SQLite进行我的第一个项目。 我的目标是建立一个数据库，包括创业公司的名称，网站网址，行业和街道地址。
到目前为止，我的方法是将链接插入VC的投资组合页面，提取到公司的链接，并获取公司烙印站点的html，然后将所有内容保存到SQLite数据库中。它大多数都能工作（某些边缘情况除外）。 我的问题是从HTML获取街道地址。我尝试了多种正则表达式方法，但由于格式在不同网站上是如此不同，因此没有任何实际作用。 另外，这个post使我感到自己在尝试首先在HTML上使用正则表达式时走错了路。
关于如何完成工作的任何建议？
（我知道我已经可以使用一些现有的数据库（crunchbase，...），但是我更愿意利用这个机会来练习网络抓取） 干杯， 马克
import sqlite3
import urllib.error
import ssl
import re
from urllib.request import urlopen
from bs4 import BeautifulSoup
conn = sqlite3.connect('startupmap.sqlite')
cur = conn.cursor()
ctx = ssl.create_default_context()
ctx.check_hostname = False
ctx.verify_mode = ssl.CERT_NONE
document = urlopen('https://about.eslgaming.com/imprint/',context=ctx)
html = document.read()
print('Type html:' , type(html))
soup = BeautifulSoup(html,'html.parser')
html_text = soup.get_text()
print(html_text)
print('Type html_text:' , type(html_text))
print(soup.prettify())
address = re.findall('\s[0-9]{5}\s+[a-zA-ZäöüÄÖÜ]+',html_text)
print('Address:' ,address)
这是我要获取的信息（以黄色突出显示）：
Company address from the imprint page
我遇到过一些格式，还有更多：
各个页面在提供的信息（公司的法定名称，街道号，邮政编码，城市，国家，法律标识号（例如税号）或其他信息），样式（文字内，一行，在不同的行上），以及它们所在的容器类型（div，段落，...）
有时，在与x1和h1或h2相同的xpath中提供了地址，并带有文本“ Imprint”或“ Contact”。不幸的是，这远非标准。
