使用Python从指定INAIL统计页面下载CSV数据失败，仅获HTML文件求助

你的代码主要有两个核心问题导致下载到HTML而非CSV：

1. 重复使用相同的XPATH选择器 #

点击"Dati"和"CSV"时用了完全一样的XPATH：//*[@id="popupMenuItem"]/table/tbody/tr/td[2]。实际上，点击"Esporta"后弹出的是第一级菜单，选择"Dati"后会弹出第二级子菜单，这两个菜单的元素路径不可能完全相同，重复选择会导致你可能只是重复点击了同一个元素，而非选择CSV选项。

2. 依赖动态生成的元素ID #

原代码中定位"Esporta"按钮的XPATH包含了动态生成的ID（比如uiqor2i5pr25913u、cadc28dh9ejqrg6oLinks），这类ID每次页面加载都会变化，不仅可能导致元素定位失败，也不利于代码稳定性。

修正后的代码 #

下面是调整后的代码，改用文本定位和稳定的元素属性来定位按钮，同时补充了CSV下载的MIME类型设置：

from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
import time

# Setup Chrome options
chrome_options = Options()
chrome_options.add_experimental_option("prefs", {
    "download.default_directory": r"C:\Users\ColameoMarcello\Downloads",
    "download.prompt_for_download": False,
    "download.directory_upgrade": True,
    # 明确指定CSV的MIME类型，避免浏览器将其识别为HTML
    "plugins.always_open_pdf_externally": True,
    "mime_types": {
        "text/csv": "application/octet-stream"
    }
})

# Initialize the WebDriver
driver = webdriver.Chrome(options=chrome_options)

try:
    # Navigate to the page
    driver.get("https://bancadatistatisticaoas.inail.it/analytics/saw.dll?Portal&PortalPath=%2Fshared%2FBDS%2F_portal%2FINF_Denunciati_totale_gestioni")

    # 等待页面加载完成，用稳定的方式定位Esporta按钮（按文本+链接属性）
    esporta_button = WebDriverWait(driver, 20).until(
        EC.element_to_be_clickable((By.XPATH, '//a[contains(text(), "Esporta")]'))
    )
    esporta_button.click()

    # 等待第一级菜单的"Dati"选项出现并点击（按文本定位）
    dati_button = WebDriverWait(driver, 10).until(
        EC.element_to_be_clickable((By.XPATH, '//td[contains(text(), "Dati")]'))
    )
    dati_button.click()

    # 等待第二级子菜单的"CSV"选项出现并点击（按文本定位）
    csv_button = WebDriverWait(driver, 10).until(
        EC.element_to_be_clickable((By.XPATH, '//td[contains(text(), "CSV")]'))
    )
    csv_button.click()

    # 等待下载完成（可根据文件大小调整时间，或用更严谨的文件监听方式）
    time.sleep(15)

finally:
    # Clean up by closing the browser
    driver.quit()

额外优化建议 #

• 避免使用time.sleep()，可以通过监听下载目录中的文件状态（比如检查是否存在后缀为.crdownload的临时文件，直到该文件消失）来判断下载是否完成，这样更可靠。
• 如果页面需要登录或有会话验证，确保你的WebDriver实例保留了正确的会话状态。

内容的提问来源于stack exchange，提问作者Marcello