使用Python Playwright提取a标签href属性值遇问题，求解决

我尝试提取a标签href中的链接，但始终获取到的是元素内的文本。

网页代码如下：

<div class="item-info-container ">
   <a href="/imovel/32600863/" role="heading" aria-level="2" class="item-link xh-highlight" 
   title="Apartamento T3 na avenida da Liberdade, São José de São Lázaro e São João do Souto, Braga">
   Apartamento T3 na avenida da Liberdade, São José de São Lázaro e São João do Souto, Braga
   </a>
</div>

我使用的代码为：

element_handle = page.locator('//div[@class="item-info-container "]//a').all_inner_texts()

无论是否指定//a[@href]，输出始终是标题文本：

Apartamento T3 na avenida da Liberdade, São José de São Lázaro e São João do Souto, Braga

而我实际想要获取的是：

/imovel/32600863/

请问我的逻辑哪里出错了？

原因与解决办法 #

• 核心问题：你调用的all_inner_texts()方法本身就是用来提取元素内部文本的，和元素的属性完全不相关，所以不管怎么调整定位器，返回的都是a标签里的标题内容，这是方法用错了。

• 正确实现方式：要获取href属性值，得用专门获取属性的方法，以Playwright为例：

  1. 获取单个元素的href：

  href_value = page.locator('//div[@class="item-info-container "]//a').get_attribute('href')
  

  2. 批量获取多个元素的href：

  # 方式一：遍历元素列表
  href_list = []
  elements = page.locator('//div[@class="item-info-container "]//a').all()
  for elem in elements:
      href_list.append(elem.get_attribute('href'))
  
  # 方式二：用evaluate_all批量处理
  href_list = page.locator('//div[@class="item-info-container "]//a').evaluate_all('els => els.map(el => el.getAttribute("href"))')
  

如果需要完整的绝对路径URL，把el.getAttribute("href")换成el.href即可，它会自动拼接当前页面的域名。

内容的提问来源于stack exchange，提问作者gustavo matteo