使用Selenium读取HTML表格数值失败，无法生成正常DataFrame

1. 先修正核心错误：错误的属性调用与XPath #

你用.get_attribute('td')是完全错误的——td是HTML标签名，不是元素属性，而且你的XPath最后写了table/body，HTML里表格的内容容器是<tbody>，不是<body>，这会导致你定位的元素本身就不对。

2. 针对可编辑转不可编辑表格的提取方案 #

这类表格的数值通常不会直接存放在td的文本里，而是藏在输入控件的属性或单元格的隐藏属性中，以下是两种可靠的提取方式：

方式一：提取单元格文本或输入控件的value属性 #

先定位表格的所有行，再逐个解析单元格：

from selenium.webdriver.common.by import By
import pandas as pd

# 修正XPath，定位到目标table标签
table = driver.find_element(By.XPATH, '/html/body/form[2]/table/tbody/tr/td/table')

# 获取所有行
rows = table.find_elements(By.TAG_NAME, 'tr')

# 遍历收集数据
table_data = []
for row in rows:
    cells = row.find_elements(By.TAG_NAME, 'td')
    row_content = []
    for cell in cells:
        # 优先找单元格内的input控件，提取value属性（可编辑表格的数值通常存在这里）
        input_elem = cell.find_elements(By.TAG_NAME, 'input')
        if input_elem:
            row_content.append(input_elem[0].get_attribute('value') or '')
        else:
            # 没有input就提取单元格文本
            row_content.append(cell.text.strip())
    table_data.append(row_content)

# 转换为DataFrame
df = pd.DataFrame(table_data[1:], columns=table_data[0])

方式二：直接获取表格的完整HTML再解析 #

如果上述方法仍无效，可以直接获取表格的outerHTML，再用pd.read_html解析：

table_html = table.get_attribute('outerHTML')
df_list = pd.read_html(table_html, flavor='bs4')
df = df_list[0]

3. 自行排查的关键步骤 #

用浏览器F12开发者工具右键检查灰色单元格，确认数值的存储位置：

• 看是否有<input>/<textarea>标签，数值是否在value属性里
• 看单元格是否有自定义属性（如data-value）存储真实数值
• 查看单元格的innerHTML，确认数值是否被隐藏在某个子节点中

内容的提问来源于stack exchange，提问作者Arthur Langlois