如何通过xpath提取html dom中文本节点的文本？

Question

我正在尝试访问网络数据库以对某些数学论文进行分类。 在下面的 HTML 中，“数学”将是所需的结果。 类别还包括“应用数学”和“统计学”。 具体来说，我想在这个在线数据库的不同网站上为许多不同的数学论文迭代执行这个过程，但我无法搜索特定的 xpath，因为 xpath 因论文而异。

HTML代码：

<p class="FR_field">
    <span class="FR_label">Web of Science Categories:</span>Mathematics</p>

例如，“数学”位于

//*[@id="records_form"]/div/div/div/div[1]/div/div[8]/p[2]/text()

对于该特定纸张，但 p 标签或 div 标签之一的索引可能因纸张而异。 我编写的用于查找类别的代码是

用于远程访问的 Python 代码：

driver.find_element_by_xpath("//*[contains(text(), 'Web of Science Categories:')]").text[26:]

但这似乎不起作用，如果我打印结果，它不会打印任何内容。 可能是因为我尝试进行额外的文本拆分而遇到此错误吗？ 我只想要“数学”而不是“科学网类别：数学”，所以我将结果拆分为 26 个字符。

编辑：所以经过一些进一步的测试，似乎我确实得到了结果，但它没有打印，因为我的 python 代码只看到“Web of Science Categories:”自然，在第 26 个字符处拆分此字符串将不会打印任何内容。 然而，这提出了如何真正获得“数学”而不是“科学网络类别”的新难题：

Answer 1

根据您提供的用于提取文本数学的 HTML，您可以使用以下代码行：

text1 = driver.find_element_by_xpath("//p[@class='FR_field']").get_attribute("innerHTML").splitlines()[2]