使用Selenium从Chrome浏览器获取网页帖子日期返回乱码的解决方法

• 你使用的超长class属性是Facebook的动态混淆类名，这类值由前端构建工具自动生成，会随页面发版、甚至普通刷新随机变化，当前XPath根本没有匹配到承载发布日期的链接，而是命中了其他随机占位DOM节点，拿到的自然是无意义的乱码内容。
• 取值字段错误：Facebook的帖子发布日期不会直接存放在日期链接的innerHTML中，未hover状态下该位置仅展示短版相对时间，完整标准日期存储在元素的aria-label、title或data-utime时间戳属性中，直接解析innerHTML本身就找错了取值位置。
• 等待逻辑有缺陷：presence_of_element_located仅判断元素是否被插入DOM树，不会校验内容是否渲染完成。Facebook是单页应用，内容采用懒加载机制，DOM节点刚插入时填充的是临时占位内容，提前取值拿到的就是未替换的乱码占位符。

不要用动态class作为定位依据，改用元素稳定的功能特征定位，同时从正确的属性中提取日期值，参考代码如下：

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

# 用稳定特征定位日期链接：帖子永久链接href固定包含/permalink/字段，不受类名变化影响
date_ele = WebDriverWait(post, 10).until(
    EC.visibility_of_element_located((By.XPATH, './/a[contains(@href, "/permalink/") and @role="link"]'))
)

# 按优先级从稳定属性取日期值
post_date = date_ele.get_attribute("aria-label")
if not post_date:
    post_date = date_ele.get_attribute("title")
if not post_date:
    # 兜底：取unix时间戳转标准时间格式
    timestamp = date_ele.get_attribute("data-utime")
    if timestamp:
        post_date = datetime.datetime.fromtimestamp(int(timestamp)).strftime("%Y-%m-%d %H:%M:%S")

print("date:", post_date)

• 爬取这类重度混淆的前端页面时，不要用超长动态类名做定位锚点，优先选择元素固定的功能属性（如href特征、role属性、data-*自定义属性、aria-*无障碍属性）定位，稳定性更高。
• 单页应用爬取优先用visibility_of_element_located作为等待条件，等元素真实可见、内容渲染完成后再取值，避免拿到占位内容。
• 不要依赖前端展示的相对时间（如“3小时前”）做解析，直接取服务端返回的原始时间属性，不会出现时间计算误差。

内容的提问来源于stack exchange，提问作者o akka