使用Python Selenium在网页指定表格列搜索文本并定位下载资源

核心问题是原XPath未限定列位置，会按DOM顺序返回所有节点中第一个匹配关键词的结果，无法筛选目标列，直接优化XPath表达式增加列限定即可解决，无需额外的节点路径替换操作。

最简Selenium实现方案 #

无需调用lxml做二次解析，直接通过单条XPath同时匹配列位置与关键词，一步定位到目标资源：

# 一步定位：第4列包含指定关键词的节点 向右偏移2列的资源节点
pdf_element = driver.find_element(By.XPATH, "//td[4][contains(text(), 'keyword')]/following-sibling::td[2]")

原代码逻辑修改方案 #

如果要保留原有lxml解析的实现逻辑，只需修改XPath查询规则，限定只匹配第4列的关键词节点即可：

row = driver.find_element(By.XPATH, "//td[4][contains(text(), 'keyword')]")
tree = lxml.html.fromstring(row.parent.page_source)
# 仅查询第4列的匹配项，不会匹配到td[5]的节点
element = tree.xpath("//td[4][contains(text(), 'keyword')]")[0]
root = tree.getroottree()
xpth = root.getpath(element)
pdf_xpath = xpth.replace('td[4]', 'td[6]')

原代码问题说明 #

原查询规则//*[contains(text(), 'keyword')]中的通配符*会匹配所有包含关键词的DOM节点，没有限定节点类型与列位置，因此会优先返回DOM结构中先出现的td[5]匹配项，添加td[4]的节点限定后，只会筛选第4列的匹配结果，直接定位到目标节点。

内容的提问来源于stack exchange，提问作者c.v.hammons