如何用Python Selenium提取含<br>元素的独立文本内容？

嘿，我太懂你这种抓数据碰到的糟心情况了——好不容易用XPath定位到了目标元素，结果返回的文本全被<br>拆成一团，没法单独拿出每个联系字段对吧？别慌，我给你几个实用的解决办法，结合常见的HTML结构场景来给你演示：

方法1：直接提取独立的文本节点 #

大多数情况下，被<br>分隔的内容其实都是父元素下的独立text()节点，你可以直接定位这些节点，而不是取父元素的整体文本。

举个常见的联系信息HTML结构：

<div class="contact-details">
  公司名称: 某某科技<br>
  联系人: 李经理<br>
  联系电话: 010-XXXXXXX<br>
  邮箱: contact@example.com
</div>

对应的XPath可以这么写：
//div[@class='contact-details']/text()

这个XPath会返回一个文本节点列表，每个元素就是<br>分隔开的内容。接下来你只需要过滤掉空的、带多余空格的项就行。比如用Python的lxml库实现：

from lxml import etree

# 示例HTML
html = """
<div class="contact-details">
  公司名称: 某某科技<br>
  联系人: 李经理<br>
  联系电话: 010-XXXXXXX<br>
  邮箱: contact@example.com
</div>
"""

tree = etree.HTML(html)
# 获取所有文本节点
raw_texts = tree.xpath("//div[@class='contact-details']/text()")
# 清理空白并过滤空内容
cleaned_items = [text.strip() for text in raw_texts if text.strip()]

print(cleaned_items)
# 输出: ['公司名称: 某某科技', '联系人: 李经理', '联系电话: 010-XXXXXXX', '邮箱: contact@example.com']

方法2：提取整体文本后拆分 #

如果你的XPath工具不支持直接获取多个文本节点（或者你更习惯处理字符串），可以先提取父元素的完整文本，再按换行（因为<br>在渲染时会被解析为换行）拆分，最后清理内容。

还是用上面的HTML示例，代码如下：

full_text = tree.xpath("string(//div[@class='contact-details'])").strip()
# 按换行拆分
split_items = [line.strip() for line in full_text.split('\n') if line.strip()]
print(split_items)
# 输出和方法1一致

方法3：用XPath 2.0的tokenize()函数（进阶） #

如果你使用的是支持XPath 2.0的工具（比如Saxon、或者配置了相关扩展的lxml），可以直接用tokenize()函数按<br>拆分文本：

tokenize(normalize-space(//div[@class='contact-details']), '\s*<br\s*/?>\s*')

这个表达式会自动处理<br>或<br/>的情况，同时去掉前后的多余空格，直接返回拆分后的干净文本列表。

小提醒 #

• 如果你的HTML里<br>标签有额外属性（比如<br class="line-break">），方法1依然有效，因为我们只关注父元素下的文本节点，不管<br>的具体属性。
• 处理时记得用strip()清理每个文本项的前后空格，避免拿到空字符串或者带大量缩进的内容。

内容的提问来源于stack exchange，提问作者ls101