Question

<div id="a">This is some
   <div id="b">text</div>
</div>

获取“这是一些”并非易事。例如，这会返回“这是一些文字”：

driver.find_element_by_id('a').text

一般来说，如何获取特定元素的文本而不包含其子文本？

（我在下面提供了一个答案，但是如果有人能提出一个不那么可怕的解决方案，我会保留这个问题。）

Answer 1

以下是一般解决方案：

def get_text_excluding_children(driver, element):
    return driver.execute_script("""
    return jQuery(arguments[0]).contents().filter(function() {
        return this.nodeType == Node.TEXT_NODE;
    }).text();
    """, element)

传递给函数的元素可以是从find_element...()方法获得的元素（即它可以是WebElement个对象。）

或者如果您没有jQuery或者不想使用它，您可以用以下内容替换上面函数的主体：

return self.driver.execute_script("""
var parent = arguments[0];
var child = parent.firstChild;
var ret = "";
while(child) {
    if (child.nodeType === Node.TEXT_NODE)
        ret += child.textContent;
    child = child.nextSibling;
}
return ret;
""", element)

我实际上是在测试套件中使用此代码。

Answer 2

在您共享的HTML中：

<div id="a">This is some
   <div id="b">text</div>
</div>

文本This is some在text node中。以结构化方式描绘text node：

<div id="a">
    This is some
   <div id="b">text</div>
</div>

此用例

要使用Selenium的python客户端从文本节点提取并打印文本 This is some ，您有两种方法如下：

使用splitlines()：您可以标识父元素，即<div id="a">，提取innerHTML，然后按如下所示使用splitlines()：

使用 xpath ：

print(driver.find_element_by_xpath("//div[@id='a']").get_attribute("innerHTML").splitlines()[0])

使用 xpath ：

print(driver.find_element_by_css_selector("div#a").get_attribute("innerHTML").splitlines()[0])

使用execute_script()：您也可以使用execute_script()方法，该方法可以在当前窗口/帧中同步执行JavaScript，如下所示：

使用 xpath 和 firstChild ：

parent_element = driver.find_element_by_xpath("//div[@id='a']")
print(driver.execute_script('return arguments[0].firstChild.textContent;', parent_element).strip())

使用 xpath 和 childNodes [n] ：

parent_element = driver.find_element_by_xpath("//div[@id='a']")
print(driver.execute_script('return arguments[0].childNodes[1].textContent;', parent_element).strip())

Answer 3

您不必进行替换，您可以获取子文本的长度并从总长度中减去该值，并切成原始文本。那应该快得多。

Answer 4

def get_true_text(tag):
    children = tag.find_elements_by_xpath('*')
    original_text = tag.text
    for child in children:
        original_text = original_text.replace(child.text, '', 1)
    return original_text

Answer 5

不幸的是，Selenium只能与Elements节点一起使用，不能与Text节点一起使用。

如果您尝试使用诸如get_element_by_xpath之类的函数来定位文本节点，Selenium将抛出InvalidSelectorException。

一种解决方法是使用Selenium捕获相关的HTML，然后使用HTML解析库（例如BeautifulSoup）来更优雅地处理文本节点。

import bs4
from bs4 import BeautifulSoup

inner_html = driver.find_elements_by_css_selector('#a')[0].get_attribute("innerHTML")
inner_soup = BeautifulSoup(inner_html, 'html.parser')

outer_html = driver.find_elements_by_css_selector('#a')[0].get_attribute("outerHTML")
outer_soup = BeautifulSoup(outer_html, 'html.parser')

从那里开始，有几种方法可以搜索文本内容。您必须进行试验，以了解哪种方法最适合您的用例。

这里有一个简单的单线可能就足够了：

inner_soup.find(text=True)

如果这不起作用，则可以使用.contents（）遍历元素的子节点，并检查其对象类型。

BeautifulSoup具有four types of elements，而您感兴趣的是NavigableString类型，它是由Text节点产生的。相比之下，Elements的类型为Tag。

contents = inner_soup.contents

for bs4_object in contents:

    if (type(bs4_object) == bs4.Tag):
        print("This object is an Element.")

    elif (type(bs4_object) == bs4.NavigableString):
        print("This object is a Text node.")

请注意，BeautifulSoup不支持Xpath表达式。如果需要这些，则可以使用一些解决方法in this thread。

如何在Selenium WebDriver中获取元素的文本，而不包含子元素文本？

5 个答案:

此用例