js 动态拼接html 正则,采用正则匹配抓取JS动态输出的电话号码

很多网站为了防止用户的隐私信息(电话、手机、邮箱)被爬虫抓取，都对这些信息作了特殊处理后输出。例如，采用JS输出、采用Ajax方式动态加载、以图片的形式显示。

其中最常见的就是采用JS输出，这种方法实现的成本最低，同样也最好被抓取。

例如下面这个页面：

它的电话号码部分是采用JS输出的，JS代码如下：

更BT的是这个函数名“escramble_751()”还是不断变化的。

不过利用强大的字符串匹配工具“正则表达式”，还是可以很方便地将其提取出来的：

# code by Python

phone_re = re.compile("a='([ \+\-\d]+?)'.*?b='([ \+\-\d]+?)'.*?a\+='([ \+\-\d]+?)'.*?b\+='([ \+\-\d]+?)'.*?c='([ \+\-\d]+?)'", re.DOTALL)

match = phone_re.search(html)

if match:

a, b, c, d, e = match.groups()

telephone = a + c + e + b + d

else:

telephone = None