如何使用Python+Selenium提取div标签data-type属性中的mp4值？

操作核心：Selenium内置的get_attribute()方法可以直接获取元素的自定义属性，你只要先定位到目标div元素，再提取对应属性值后筛选mp4内容即可。

前置依赖安装 #

执行以下命令安装需要的库：
pip install selenium webdriver-manager

实现代码示例 #

from selenium import webdriver
from selenium.webdriver.common.by import By
from webdriver_manager.chrome import ChromeDriverManager
from selenium.webdriver.chrome.service import Service
import re

# 初始化Chrome浏览器驱动
driver = webdriver.Chrome(service=Service(ChromeDriverManager().install()))
# 替换为你要爬取的页面地址
driver.get("https://你的目标页面地址")

# 定位目标div，可根据实际页面结构调整定位规则
# 示例为定位所有包含data-type属性的div，也可加class、id等条件缩小范围
target_div = driver.find_element(By.XPATH, '//div[@data-type]')
# 获取data-type属性的完整值
data_type_content = target_div.get_attribute("data-type")

# 提取mp4相关内容，以下是两种常用场景的处理：
# 场景1：data-type中直接存储mp4后缀的视频链接，用正则匹配
mp4_regex = re.compile(r"http[s]?://[^\s]+\.mp4")
extracted_mp4 = mp4_regex.findall(data_type_content)

# 场景2：data-type值本身就是mp4标识，直接取即可
# extracted_mp4 = data_type_content if "mp4" in data_type_content else None

# 输出结果
print("提取到的mp4内容：", extracted_mp4)

# 关闭驱动
driver.quit()

注意事项 #

• 如果页面中有多个符合条件的div，把find_element替换为find_elements，遍历列表逐个提取属性即可
• 如果页面是动态渲染的，元素加载需要时间，可以加隐式等待或者显式等待避免找不到元素报错，隐式等待示例：driver.implicitly_wait(10)，放在初始化驱动之后即可

内容的提问来源于stack exchange，提问作者Mr. Madagascar