使用Selenium构建AI语音助手语音转文本时无法获取输出文本

核心问题分析 #

你使用的绝对XPath/html/body/div[4]/div/div[1]/div[2]定位的并非实际存储语音转文本结果的容器，该元素仅为空白占位或非目标区域，导致获取到的文本仅为空白字符（长度3大概率是换行/空格）。

解决方案 #

Speechnotes的文本输出区域是一个带contenteditable="true"的div，且拥有唯一IDresults，用这个ID定位是最稳定的方式，无需依赖易变的绝对XPath。

修改后的完整代码 #

from time import sleep
import warnings
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.chrome.service import Service
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

warnings.simplefilter("ignore")

try:
    path = "c:\Users\Utente\Desktop\SPARK\chromedriver.exe"
    options = webdriver.ChromeOptions()
    options.headless = False
    options.add_experimental_option("excludeSwitches", ["enable-logging"])
    options.add_argument("--log-level=3")
    options.add_argument("--use-fake-ui-for-media-stream")
    options.add_argument("--use-fake-device-for-media-stream")

    service = Service(path)
    driver = webdriver.Chrome(service=service, options=options)
    driver.get("https://speechnotes.co/dictate/")
    
    # 用显式等待替代sleep，提升稳定性
    wait = WebDriverWait(driver, 10)
    
    # 选择意大利语（替换为相对XPath，避免绝对路径的脆弱性）
    it_option = wait.until(EC.element_to_be_clickable((By.XPATH, "//select[@id='languages']/option[@value='it-IT']")))
    it_option.click()
    
    # 点击开始录音按钮
    start_btn = wait.until(EC.element_to_be_clickable((By.XPATH, "//div[@class='start-btn']")))
    start_btn.click()
    print("Listening...")

except Exception as e:
    print(e)
    driver.quit()

while True:
    try:
        # 定位正确的文本输出容器
        text_element = wait.until(EC.presence_of_element_located((By.ID, "results")))
        text = text_element.text.strip()
        stop = input("Type anything to stop --> ")
        print("识别结果：", text)
        if stop != "":
            driver.quit()
            break
    except Exception as e:
        print("获取文本出错：", e)
        break

关键优化点 #

• 替换元素定位方式：用By.ID, "results"定位文本输出框，比绝对XPath更稳定，不受页面DOM结构变化影响。
• 改用显式等待：替代固定时长的sleep，确保元素加载完成后再操作，避免因页面加载慢导致的元素未找到问题。
• 优化语言选择定位：用value='it-IT'的option定位意大利语，比依赖option索引（42）更可靠，索引可能随网站更新变化。

内容的提问来源于stack exchange，提问作者fanti