使用Selenium提取class为iframe-b3的HTML表格并导出至Excel

核心问题分析 #

你当前的代码仅定位了iframe-b3元素，但目标表格嵌套在该iframe内部，Selenium默认处于主文档上下文，无法直接访问iframe里的内容，因此需要先切换到iframe再提取数据，最后导出到Excel。

完整实现代码 #

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
import pandas as pd

# 初始化Chrome驱动（需确保chromedriver与浏览器版本匹配）
driver = webdriver.Chrome()
target_url = "https://www.b3.com.br/pt_br/market-data-e-indices/servicos-de-dados/market-data/consultas/boletim-diario/boletim-diario-do-mercado/"
driver.get(target_url)

# 等待iframe加载完成并切换上下文
wait = WebDriverWait(driver, 15)
iframe = wait.until(EC.presence_of_element_located((By.CLASS_NAME, "iframe-b3")))
driver.switch_to.frame(iframe)

# 定位目标表格（通过标题定位对应表格）
table_header = wait.until(EC.presence_of_element_located((By.XPATH, "//h3[contains(text(), 'Tabela: Participação dos Investidores')]")))
target_table = table_header.find_element(By.XPATH, "./following-sibling::table")

# 提取表格数据
table_rows = target_table.find_elements(By.TAG_NAME, "tr")
table_data = []
for row in table_rows:
    # 区分表头（th标签）和数据行（td标签）
    cells = row.find_elements(By.TAG_NAME, "td") or row.find_elements(By.TAG_NAME, "th")
    row_content = [cell.text.strip() for cell in cells]
    if row_content:
        table_data.append(row_content)

# 切回主文档并关闭浏览器
driver.switch_to.default_content()
driver.quit()

# 导出数据到Excel
if table_data:
    df = pd.DataFrame(table_data[1:], columns=table_data[0])
    df.to_excel("investidores_participacao.xlsx", index=False)
    print("数据已成功导出到Excel文件")

关键步骤说明 #

• 切换iframe上下文：这是核心前提，只有切换到iframe-b3内部，才能定位到里面的表格元素。
• 显式等待：使用WebDriverWait确保元素加载完成，避免因页面动态加载导致的元素未找到错误。
• 表格数据提取：分别处理表头（<th>）和数据行（<td>），过滤空行后整理成二维列表。
• Excel导出：借助pandas快速将数据写入Excel，自动处理表头和格式。

注意事项 #

• 确保浏览器驱动（如ChromeDriver）与你的浏览器版本完全匹配，否则会启动失败。
• 若页面加载缓慢，可适当调整等待时间（代码中设置的15秒）。
• 若网站结构更新，需调整XPATH定位表达式以匹配新的页面元素。

内容的提问来源于stack exchange，提问作者f_pro_97