Python爬取数据时如何仅筛选以#开头的话题标签排除@内容

你当前的定位逻辑会同时抓到话题标签和@提及的账号，有两种简单的处理方式可以实现只保留#开头的话题标签：

• 遍历结果时加前缀判断（兼容性最好，适配所有页面场景）
  不需要修改原有定位规则，只需要在循环读取标签文本时增加判断逻辑，筛掉非#开头的内容即可，修改后的代码：

  hashtags = driver.find_elements(By.CSS_SELECTOR, "li > div > div > div._a9zr > div._a9zs > span > a")
  
  for tag in hashtags:
      tag_content = tag.text.strip()
      # 仅保留#开头的话题标签
      if tag_content.startswith("#"):
          print(tag_content)
  

  这种写法不受页面结构、属性变动影响，只要标签文本前缀是#就会保留，稳定性最高。

• 优化定位规则，从元素抓取阶段过滤（运行效率更高）
  你给出的类名是Instagram的前端类名，该平台下话题标签的跳转链接都包含/explore/tags/路径，@账号的链接是用户主页路径，你可以直接在CSS选择器里加href属性匹配，从根源上不抓取@账号元素：

  # 仅定位跳转到话题页的a标签，不会抓到@提及的账号
  hashtags = driver.find_elements(By.CSS_SELECTOR, "li > div > div > div._a9zr > div._a9zs > span > a[href*='/explore/tags/']")
  for tag in hashtags:
      print(tag.text)
  

  注意这种写法和平台强绑定，如果后续平台调整了话题页路径规则需要同步修改选择器。

优先推荐第一种写法，不需要依赖平台特定的页面属性，适配性更强，哪怕后续爬取其他平台的话题标签也可以直接复用判断逻辑。

内容的提问来源于stack exchange，提问作者Bobby Wibowo