快速提取网页中的电话号码
要求 ：
1. 给定一个网页或是一个网址，从网页文件中提取出电话号码放到一个txt文件中
2. 特殊电话号码不提取。例如：110,120，400****之类的电话
3. 提取手机号或者固定电话号。手机号11位，手机区号不需要；固定电话号码7位或8位，区号3位或4位，中间‘-’连接符可省略
4. 速度越快越好，但要保证一定的正确率，不要求100%能提取出所有合法的电话号码
5. 最后按执行速度和正确率给分
6. 对各个网页通用（该条属补充要求）
7. 想起来再补充

注：大家还有什么要补充的跟帖说明。

后记：去年还是前年，忘记了，应朋友邀请写了一个从网页或是网址中提取电话号码的一段小代码。当时随便一写，应付了事。速度非常慢，根据网页大小需要1-6分钟不等。今天突然想起来想看看那段代码，却又找不到了。正好发在这里给大家当个练习。
所以，我这个也没有标准答案。大家尽情发挥吧！！！

附测试文件：


[ 本帖最后由 taohua300 于 2012-10-20 14:22 编辑 ]

请教楼主一个问题，换页如何写代码。

红蓝框中内容是否要分类提取电话号码

提取难度在于页码转换。
要不请楼主，将网页内容复制到TXT文件中上传

[ 本帖最后由 sdta 于 2012-10-20 12:13 编辑 ]

那是.htm，本身已是文本文件。只能逐页提取，因为翻页是动态的，数据在服务端传过来，不在本机。

哈哈，翻页代码如何写[不是提取电话号码内容]？

没得写，那是要通过http向服务端发请求重新发送数据过来的，而且现在我们还不能直接读取IE内存中的数据，要把网页保存为.htm文件再读，他可以把所有需要提取数据的页面都保存好，然后集中一次处理。

我原来考虑的没有版主想象的那么复杂
（太复杂了也好，你说是不是）

这里仅仅是提取网页明文中的电话号码
至于连接，换页里的电话号码，不在本网页中，不予提取
如果这个问题也考虑到
最后的功能就相当强劲了

如果不需要换页，提取速度很快，用低级函数提取TXT文件。换页，本人也不懂。

换页应该不算太难
之前夜来香大侠在梅子论坛有个例子用用到了换页
没有仔细看
大概是分析url，然后组合成正确的url再去发送http请求

但是，实际上我们并不知道哪个连接中有电话号码，也不是只对某个网站进行电话号码提取
我们要做的，是对某个网页或是url提取，做到对绝大多数网页都能使用该程序提取电话号码（不可能绝对是所有网页）
就这样

[ 本帖最后由 taohua300 于 2012-10-20 13:41 编辑 ]