使用Selenium Python提取网页纯数字内容求助

处理

标签的情况 #

你已经用driver.find_elements_by_class_name("title")定位到元素，按以下步骤提取纯数字即可：

• 获取元素文本：通过element.text拿到每个目标元素的内容
• 提取纯数字：借助Python的re正则模块匹配文本中的数字部分

示例代码：

import re
from selenium import webdriver

driver = webdriver.Chrome()
driver.get("目标网页URL")

# 定位所有class为title的li元素
title_elements = driver.find_elements_by_class_name("title")
for element in title_elements:
    text_content = element.text
    # 匹配文本中的连续数字串
    number_list = re.findall(r'\d+', text_content)
    if number_list:
        pure_number = number_list[0]  # 提取FB-91927中的91927
        print(pure_number)

driver.quit()

处理无属性的标签情况 #

对于无class、id、name属性的标签，可通过以下方式定位后提取数字：

• 按文本特征定位：如果内容是FB-xxxxxx格式，用XPath定位：//td[contains(text(), 'FB-')]
• 按位置定位：如果在固定表格位置，比如第二列，用//table/tr/td[2]

定位后同样用正则提取数字，示例代码：

# 定位包含FB-的td元素
td_elements = driver.find_elements_by_xpath("//td[contains(text(), 'FB-')]")
for element in td_elements:
    text_content = element.text
    pure_number = re.findall(r'\d+', text_content)[0]
    print(pure_number)

注意事项 #

• re.findall(r'\d+', text)会提取文本中所有连续数字串，返回列表，取第一个元素即可得到目标数字
• 如果页面加载存在延迟，建议用WebDriverWait添加显式等待，避免因元素未加载完成报错

内容的提问来源于stack exchange，提问作者joker egy