Question

我试图从网页上提取一些文字。我想从中提取数据的页面源是：

<tbody>
    <tr class="drx_dotted">
        <td class="drx_first">
            <span name="pharmacy"
                  longitude="-82.531457"
                  latitude="42.617612"
                  pharmacyname="CVS Pharmacy #"
                  address="1025 St Clair River Dr"
                  city="Algonac"
                  state="MI"
                  zip="48001"
                  phone="8107944941">
            </span>
            <p>
                <strong>CVS Pharmacy #</strong><br />
                1025 St Clair River Dr<br />
                Algonac, MI 48001<br />
                1-810-794-4941
            </p>
            <p>
                <a class=""
                   data-ajax="true"
                   data-ajax-method="post"
                   data-ajax-success="UpdateSearchPharmacyList"
                   href="/pfdn/SharedPharmacy/AddNetworkPharmacy?pharmacyNABP=2352324&amp;language=English">Add Pharmacy
                    <span class='HiddenText'> CVS Pharmacy #</span>
                </a>
            </p>
        </td>
        <td>
            <p>
                Retail
            </p>
        </td>
        <td>
            <p>
                Not applicable
            </p>
        </td>
    </tr>

我想拉出＆＃34;不适用＆＃34;靠近HTML代码的底部。这是＆＃34; p＆＃34;在第三个＆＃34; td＆＃34;在HTML源代码中。还有一堆这样的，所以我想把所有这些标签一起拉到python列表中。

以下是我用来查找HTML的硒代码：

x = driver.find_elements_by_xpath(
    '//[@id="divSearchResultContainer"]/div[2]/div[2]/table/tbody/tr/td[3]/p')

当我输入print（x）时，它打印出来：

[<selenium.webdriver.remote.webelement.WebElement object at 0x101f98210>,
 <selenium.webdriver.remote.webelement.WebElement object at 0x101f98250>,
 <selenium.webdriver.remote.webelement.WebElement object at 0x101f98290>]

所以selenium找到并拉出三个实例（这是正确的，它应该找到三个）。但是，当我尝试使用

来拉文本时

print x[0].text

输出是：

None

我尝试了很多变化，甚至尝试单独找到每个元素，但它仍然无法正常工作。有谁有这个问题？我该如何解决？

由于

Answer 1

问题是您有多个tr标记，请获取相应的标记。使用find_element_by_xpath()查找单个元素而不是列表，并使用以下xpath：

'//[@id="divSearchResultContainer"]/div[2]/div[2]/table/tbody/tr[1]/td[3]/p

python代码：

element = driver.find_elements_by_xpath(
'//[@id="divSearchResultContainer"]/div[2]/div[2]/table/tbody/tr[1]/td[3]/p')

请注意[1]之后的tr。这就是我们如何看待第一个tr标记。

另请注意，xpath看起来很脆弱 - 这是因为使用了索引：在此div中给我第二个div，然后在第二个div等等。使用divSearchResultContainer id发布元素的完整内容有助于为您提供更好的解决方案。

Answer 2

尝试使用xpath，我还没有测试，但xpath有last（）运算符，这就是你想要的。

"//tbody//tr//td[last()]/p[last()]/text()"

使用selenium从网页中拉取文本不起作用

2 个答案: