从BR​​标签提取文本

Question

我以前已经可以使用Selenium提取文本，但是仅提取<BR>标记之间的数字时遇到了麻烦。 这是html代码的示例。

<DIV class="pagebodydiv">
    <TABLE  CLASS="datadisplaytable" SUMMARY="This table will display needed information." WIDTH="100%">
<TR>
<TD CLASS="nttitle" scope="colgroup" >Working Title</A></TD>
</TR>
<TR>
<TD CLASS="ntdefault">
 Further information on subject
<BR>
    3.000
<BR>
    2.000  
<BR>
<BR>
<BR>
<BR>
<BR>
More information
<BR>
<BR>
</TABLE>

到目前为止，我已经尝试使用：

WebElement creditinfo = driver.findElement(By.xpath("//div[@class='pagebodydiv']/text()[preceding-sibling::br]

和Elements numInfo = doc.select("br");

但是，我一直遇到NoSuchElementException错误，InvalidSelectorException错误，或者它什么都不返回。 关于如何获取信息的任何想法？

Answer 1

实际上，您可以选择<BR>标记之间的文本节点。 在HTML（不是XHTML）中，它们充当自动关闭标签（如<br/> ）。 根据该行为，您可以使用以下命令选择所有带有<BR>标记的文本节点：

//TABLE[@CLASS='datadisplaytable']/TR/TD[@CLASS="ntdefault"]
/text()[preceding-sibling::node()[1][self::BR] 
        and following-sibling::node()[1][self::BR]]

那还将选择空白行和不是数字的字符文本。

您可以删除在表达式末尾添加[normalize-space(.) != '']的空白节点（现在将仅返回三个节点）。 并且可以选择要使用的位置谓词在表达式的端节点（ [1]来选择所述第一节点。

下面的表达式选择包含值2.000的文本节点：

//TABLE[@CLASS='datadisplaytable']/TR/TD[@CLASS="ntdefault"]
/text()[preceding-sibling::node()[1][self::BR] 
        and following-sibling::node()[1][self::BR]][normalize-space(.) != ''][2]

注意：我假设您的源实际上具有标记名，因为在XPath中<TD>与<td> 。 我不确定在解析HTML时Selenium对此有多宽容。

Answer 2

这可能会有所帮助：

  WebElement table =driver.findElement(By.xpath("//table[@class='datadisplaytable']"));
   WebElement tbody=table.findElement(By.tagName("tbody"));
   List<WebElement> rows=tbody.findElements(By.tagName("tr"));
   System.out.println("Row  size:"+rows.size());
   ArrayList<String> list=new ArrayList<>();

   for(int i=0;i<rows.size();i++)
   {
     WebElement column = tbody.findElement(By.xpath("//table[@class='datadisplaytable']/tbody/tr[2]/td"));
     if(column.getText().trim().contains("."))
     {
        System.out.println("text : "+column.getText().trim());
        list.add(column.getText().trim());
     }

   }

Answer 3

我认为BR不被视为封闭标签，因此您将无法提取“封闭文本”。 您可能必须提取TD CLASS="ntdefault"包含的文本，在此所有BR都将被翻译成换行符。 然后，您将必须执行字符串操作以仅提取您感兴趣的部分。