Selenium获取标签内文本遇UnicodeEncodeError错误的解决方法

一、先解决UnicodeEncodeError编码问题 #

这个错误是因为Python环境默认编码（cp950，繁体中文编码）无法处理某些特殊字符（比如\u2764是爱心符号），可以通过以下方式解决：

• 在Python脚本开头添加编码声明：

  # -*- coding: utf-8 -*-
  

• 强制设置标准输出为UTF-8编码，在脚本开头加入：

  import sys
  sys.stdout.reconfigure(encoding='utf-8')
  

• 如果在Windows命令行运行脚本，先执行命令切换终端编码：

  chcp 65001
  

二、正确获取h1标签内的“SOHO yaya”文本 #

你当前的代码仅定位到h1元素，未提取文本；且h1内部包含span、div子元素，直接用.text会拿到所有子元素的文本内容，需要针对性提取h1的直接文本节点：

方法1：使用XPath定位直接文本节点 #

from selenium.webdriver.common.by import By

# 定位h1元素后，提取其直接文本节点内容并去除空白
h1_element = driver.find_element(By.XPATH, '//h1[@class="nowrap"]')
target_text = h1_element.find_element(By.XPATH, './text()').get_attribute('textContent').strip()
print(target_text)  # 输出：SOHO yaya

方法2：用JavaScript获取第一个文本节点 #

target_text = driver.execute_script("return document.querySelector('h1.nowrap').firstChild.textContent.trim();")
print(target_text)

内容的提问来源于stack exchange，提问作者Janson Chan