如何使用Python Selenium仅提取div.class-two下的指定纯文本内容？

这个问题我之前也碰到过，Selenium默认的text属性确实会把元素下所有子元素的文本都拼在一起，要单独拿到div.class-two里的"sample text"而排除子元素的"search"，有几种靠谱的方法：

• 使用JavaScript提取纯文本节点
  这是最直接的方式，通过执行JS脚本直接定位到目标文本节点，避开子元素的干扰。示例代码：

  elements = driver.find_elements_by_css_selector('div.class-two')
  for elem in elements:
      # 执行JS获取第一个文本节点的内容，trim去除多余空白
      sample_text = driver.execute_script("return arguments[0].firstChild.textContent.trim();", elem)
      print(sample_text)
  

  原理是firstChild指向div.class-two内的第一个文本节点，也就是"sample text"所在的节点，完全不会包含子元素div.class-three的内容。

• 通过XPath筛选文本节点
  利用XPath的node()获取元素下所有子节点，然后筛选出文本节点（节点类型为3），再提取有效内容：

  elements = driver.find_elements_by_css_selector('div.class-two')
  for elem in elements:
      # 获取元素下的所有子节点
      child_nodes = elem.find_elements_by_xpath('./node()')
      for node in child_nodes:
          # 筛选非空白的文本节点
          if node.get_attribute('nodeType') == '3' and node.text.strip():
              sample_text = node.text.strip()
              print(sample_text)
              break  # 找到目标文本后直接退出循环
  

  这种方法适合元素内有多个文本节点的场景，能精准定位到你需要的那一段。

• 总文本减去子元素文本
  如果子元素的文本比较固定，也可以先获取父元素的全部文本，再减去子元素的文本内容：

  elements = driver.find_elements_by_css_selector('div.class-two')
  for elem in elements:
      total_text = elem.text.strip()
      # 获取子元素的文本内容
      child_text = elem.find_element_by_css_selector('div.class-three').text.strip()
      # 去除子元素文本后得到目标内容
      sample_text = total_text.replace(child_text, '').strip()
      print(sample_text)
  

  这种方法操作简单，但如果父元素下有多个子元素需要排除，就得依次处理，灵活性不如前两种。

内容的提问来源于stack exchange，提问作者RedMaun