使用Python Selenium提取酒店数据遇重复问题及HTML模板填充需求

你遇到的问题大概率是遍历范围错误或误用单元素定位方法导致的，以下是修正后的Selenium提取逻辑：

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

driver = webdriver.Chrome()
driver.get("https://es.hoteles.com/ho227810/secrets-lanzarote-resort-spa-adults-only-18-yaiza-espana/")

# 等待所有特征区块加载完成（根据页面实际结构调整选择器）
wait = WebDriverWait(driver, 10)
feature_blocks = wait.until(EC.presence_of_all_elements_located(
    (By.CSS_SELECTOR, "div.feature-group")  # 假设每个h3和对应列表都包裹在该类的div中
))

hotel_features = []
for block in feature_blocks:
    # 在当前区块内提取h3文本
    h3_text = block.find_element(By.TAG_NAME, "h3").text.strip()
    # 在当前区块内提取所有列表项
    list_items = [item.text.strip() for item in block.find_elements(By.TAG_NAME, "li")]
    hotel_features.append({
        "title": h3_text,
        "items": list_items
    })

driver.quit()

关键修正点： #

• 用find_elements（复数形式）定位所有特征区块，避免只获取单个元素
• 遍历每个区块时，在当前区块内部定位h3和列表项，防止跨区块重复提取
• 加入显式等待确保元素加载完成，避免因未加载导致的空数据或定位失败

可以通过字符串格式化或轻量模板引擎实现，以下是两种实用方案：

方案1：原生字符串格式化（适合简单模板） #

假设你的HTML模板结构如下：

<table>
    <thead>
        <tr>
            <th>序号</th>
            <th>标题</th>
            <th>占位</th>
            <th>内容</th>
        </tr>
    </thead>
    <tbody>
        <!-- 动态行占位 -->
    </tbody>
</table>

填充代码：

# 读取模板文件（或直接定义模板字符串）
with open("template.html", "r", encoding="utf-8") as f:
    template = f.read()

# 生成动态表格行
table_rows = ""
for idx, feature in enumerate(hotel_features, 1):
    items_str = ", ".join(feature["items"])
    table_rows += f"""
    <tr>
        <td>{idx}</td>
        <td>{feature["title"]}</td>
        <td></td>
        <td>{items_str}</td>
    </tr>
    """

# 替换模板占位并保存结果
final_html = template.replace("<!-- 动态行占位 -->", table_rows)
with open("filled_hotel_table.html", "w", encoding="utf-8") as f:
    f.write(final_html)

方案2：Jinja2模板引擎（适合复杂模板） #

1. 安装依赖：pip install jinja2
2. 定义模板文件table_template.html：

<table>
    <thead>
        <tr>
            <th>序号</th>
            <th>标题</th>
            <th>占位</th>
            <th>内容</th>
        </tr>
    </thead>
    <tbody>
        {% for idx, feature in enumerate(hotel_features, 1) %}
        <tr>
            <td>{{ idx }}</td>
            <td>{{ feature.title }}</td>
            <td></td>
            <td>{{ feature.items | join(', ') }}</td>
        </tr>
        {% endfor %}
    </tbody>
</table>

3. 渲染模板代码：

from jinja2 import Environment, FileSystemLoader

# 加载模板环境
env = Environment(loader=FileSystemLoader("."))
template = env.get_template("table_template.html")

# 渲染并保存结果
final_html = template.render(hotel_features=hotel_features)
with open("filled_hotel_table.html", "w", encoding="utf-8") as f:
    f.write(final_html)

内容的提问来源于stack exchange，提问作者Felipe jimenez prieto