如何使用 Selenium 和 Python 从 html 中提取文本 H MATTHEWS

Question

通过使用“包含” function 如何从这种类型的 html 结构中提取信息，我正在尝试抓取“H MATTHEWS”此信息

HTML：

<p>
<strong>Date Published:</strong>
&nbsp; 20 APRIL 2020
<br>
<strong>Closing Date / Time:</strong>
&nbsp;TUESDAY, 05 MAY 2020
<br>
<strong>Enquiries:</strong>
<br>
Contact Person: H MATTHEWS
<br>
Email:&nbsp;
</p>

HTML 图像：

Answer 1

文本联系人：H MATTHEWS位于文本节点内。 因此，要打印文本，您必须为visibility_of_element_located()诱导WebDriverWait ，并且您可以使用以下任一Locator Strategies ：

• 使用XPATH和childNodes ：

   print(driver.execute_script('return arguments[0].childNodes[9].textContent;', WebDriverWait(driver, 20).until(EC.visibility_of_element_located((By.XPATH, "//p[./strong[text()='Date Published:']]")))).strip())

• 使用XPATH和splitlines() ：

   print(WebDriverWait(driver, 20).until(EC.visibility_of_element_located((By.XPATH, "//p[./strong[text()='Date Published:']]"))).get_attribute("innerHTML").splitlines()[-3])

• 注意：您必须添加以下导入：

   from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.common.by import By from selenium.webdriver.support import expected_conditions as EC

---

如果您的用例仅提取文本H MATTHEWS您可以使用以下任一解决方案：

• 使用XPATH和childNodes ：

   print(re.split('[:]', driver.execute_script('return arguments[0].childNodes[9].textContent;', WebDriverWait(driver, 20).until(EC.visibility_of_element_located((By.XPATH, "//p[./strong[text()='Date Published:']]")))).strip())[1])

• 使用XPATH和splitlines() ：

   print(re.split('[:]', WebDriverWait(driver, 20).until(EC.visibility_of_element_located((By.XPATH, "//p[./strong[text()='Date Published:']]"))).get_attribute("innerHTML").splitlines()[-3])[1])

---

参考

您可以在以下位置找到详细的相关讨论：

• 如何使用 Selenium 和 Python 从文本节点检索部分文本
• 如何使用 Selenium 和 Python 从元素打印部分文本