Python Selenium如何在不规范HTML中用XPath提取体育总监姓名邮箱

可精准定位体育总监信息的XPath表达式 #

提取姓名 #

//h6[contains(@class,'athletic-faculty-header') and text()='Athletic Director']/parent::div/following-sibling::strong[text()='Name:']/following-sibling::text()[1]

拿到结果后调用strip()方法去掉前后多余空白字符，就能得到干净的姓名文本。

提取邮箱地址 #

直接取邮箱文本

//h6[contains(@class,'athletic-faculty-header') and text()='Athletic Director']/parent::div/following-sibling::strong[text()='Email:']/following-sibling::a[1]/text()

取mailto协议链接（适用于需要处理链接的场景）

//h6[contains(@class,'athletic-faculty-header') and text()='Athletic Director']/parent::div/following-sibling::strong[text()='Email:']/following-sibling::a[1]/@href

表达式逻辑说明 #

这套表达式顺着页面层级做定位，完全避开了strong标签重复无法区分的问题：

1. 先锁定「Athletic Director（体育总监）」对应的分类标题h6标签
2. 找到这个标题所在的父级div块
3. 只匹配这个div块后面紧跟着的姓名、邮箱字段内容
   不会匹配到其他职位的信息，精准度很高。

内容的提问来源于stack exchange，提问作者NoobDev