求助：使用Playwright从含大量<div>标签的页面提取<product-key-value>下<span>标签的数据到数组

嘿，我来帮你搞定这个问题！你说想用Playwright把页面里<product-key-value>标签下的所有<span>内容提取成数组，之前的代码没起效，我先帮你分析下问题所在，再给几个靠谱的解决方案。

首先看你写的代码，第一个可能的坑是定位器写错了：你用了//div[@class="product-key-value"]，但你的目标是自定义标签<product-key-value>，不是class名叫这个的div！这就导致你根本没定位到正确的父元素，后续的span自然也拿不到。

接下来给你几个修正后的可行方案：

方案一：最简洁的直接提取法 #

用Playwright locator的all_text_contents()方法，一步到位拿到所有span的文本数组：

# 直接定位所有<product-key-value>下的span元素
spans_locator = page.locator('product-key-value span')
# 获取所有span的文本内容，返回就是数组
data_array = spans_locator.all_text_contents()
print(data_array)

方案二：更灵活的逐元素处理 #

如果你需要对每个<product-key-value>下的span做单独处理（比如过滤空文本、或者关联其他数据），可以用all()遍历父元素：

# 先拿到所有<product-key-value>元素
product_items = page.locator('product-key-value').all()
data_array = []

for item in product_items:
    # 提取当前item下所有span的文本
    span_texts = item.locator('span').all_text_contents()
    # 把当前item的span内容加入总数组，也可以按需做过滤
    data_array.extend([text for text in span_texts if text.strip()])

print(data_array)

额外提示：处理动态加载的情况 #

如果页面是异步加载的，记得先等元素加载完成再提取，避免拿空数据：

spans_locator = page.locator('product-key-value span')
# 等待至少一个span元素出现，确保页面加载完毕
spans_locator.wait_for()
data_array = spans_locator.all_text_contents()

你之前找的那些类似解决方案没效果，主要是因为它们针对的是div、dd这类常规标签，和你这个自定义标签的场景匹配度不高，核心还是要先把父元素的定位器写对～

备注：内容来源于stack exchange，提问作者AnastasWu