Question

我想提取特定网页中的所有文字。

在JavaScript中，代码如下所示：

var webPage = require('webpage');
var page = webPage.create();

page.open('http://phantomjs.org', function (status) {
  console.log('Stripped down page text:\n' + page.plainText);
  phantom.exit();
});

如何在Python中运行page.plainText？

感谢。

Answer 1

如果你想用Selenium做到这一点，你必须在调用getText（）之后选择“top”元素。

例如，在Python中：

driver = webdriver.PhantomJS(executable_path=r'pathTo/phantomjs')
driver.get("https://en.wikipedia.org/wiki/Selenium_(software)")
el=driver.find_element_by_tag_name("body")
print(el.text)
driver.close()

Answer 2

试试这段代码：

text = driver.find_element_by_tag_name("body").get_attribute("innerText")

使用Selenium和Python提取网站文本

2 个答案: