如何使用Selenium抓取HTML页面预格式化文本并导出为CSV文件

操作全流程不需要额外依赖，用Python标准库就能完成：

• 第一步：精准提取预格式化文本内容
  该站点返回的结果全部包裹在<pre>标签内，不需要抓取整个页面源码，直接定位pre标签拿纯文本即可，避免混入页面导航、按钮等无关内容：

  from selenium.webdriver.common.by import By
  from selenium.webdriver.support.ui import WebDriverWait
  from selenium.webdriver.support import expected_conditions as EC
  # 加显式等待等结果加载完成，避免拿到空值
  pre_block = WebDriverWait(driver, 10).until(
      EC.presence_of_element_located((By.TAG_NAME, "pre"))
  )
  raw_result = pre_block.text
  

• 第二步：拆分文本过滤无效行
  拿到的raw_result是整段带格式的字符串，先按换行拆分成单行列表，过滤掉空行：

  all_lines = [line.rstrip() for line in raw_result.splitlines() if line.strip()]
  

  第一次跑可以先打印前15-20行内容确认边界：列名行（包含Atom、Area、SD这类字段名）之前的都是查询参数说明，直接跳过；最后一行有效数据之后的是面积合计、计算说明类内容，直接跳过。
  也可以用通用规则快速筛数据行：有效数据行都是以数字（原子序号）开头，直接判断行首字符是否为数字即可，不用手动数行数。
• 第三步：按格式拆分每行字段
  预格式化文本的列是用2个及以上的空格做分隔的，不要直接按单个空格拆分，用正则匹配多空格分割，避免列内容里的单空格导致拆分错位：

  import re
  # 匹配2个及以上连续空格作为分隔符
  split_pattern = re.compile(r'\s{2,}')
  

• 第四步：写入CSV文件
  用Python自带的csv模块写入，不需要安装pandas等第三方库：

  import csv
  # 替换成你实际从结果里匹配到的列名
  csv_headers = ["Atom_ID", "Atom_Name", "Residue", "Residue_ID", "SASA_value", "SD"]
  with open("getarea_sasa_result.csv", "w", newline="", encoding="utf-8") as csvf:
      writer = csv.writer(csvf)
      writer.writerow(csv_headers)
      for line in all_lines:
          # 跳过非数据行
          if not line.strip()[0].isdigit():
              continue
          row_fields = split_pattern.split(line.strip())
          # 字段数和表头数一致才写入，过滤异常行
          if len(row_fields) == len(csv_headers):
              writer.writerow(row_fields)
  

调测阶段可以先把拆分后的row_fields打印出来校验，如果存在列错位，微调正则规则或者过滤条件即可，这类站点的预格式化文本列对齐非常规整，只要分隔符规则匹配正确基本不会出现错位问题。

内容的提问来源于stack exchange，提问作者Rajavee Srivastava