如何通过Selenium与XPath提取HTML中独立文本形式的物料计量单位？

首先，你遇到的问题根源很明确：

• 你获取的是整个div的innerText，里面混杂了价格和目标文本/each，而你的正则表达式^[a-zA-Z]*$要求从开头到结尾全是字母，自然匹配不到有效内容，返回None，导致后续拼接字符串时报错。
• 目标文本/each是div元素的直接文本节点，不属于任何子元素，所以需要精准定位这个文本节点来提取。

正确的XPath方案 #

这里有两种简洁有效的方式可以提取到each：

方案1：定位直接文本节点后清理内容

先用XPath选中div下的非空白直接文本节点，再手动去除多余的符号和空格：

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.common.exceptions import NoSuchElementException

try:
    # 定位div下的非空白直接文本节点
    text_element = driver.find_element(By.XPATH, "//div[@class='pricingReg']/text()[normalize-space()]")
    # 获取文本内容并清理格式
    raw_text = text_element.get_attribute('textContent').strip()
    purchase_unit_label = raw_text.lstrip('/').strip()  # 去掉前面的斜杠和空格
    print(f'Purchase Unit Label = {purchase_unit_label}')
except NoSuchElementException:
    print('Purchase Unit Label NoSuchElementException')

方案2：用XPath函数直接提取目标文本

利用XPath的字符串处理能力，一步到位截取到each：

try:
    # 直接通过XPath提取斜杠后的目标文本
    purchase_unit_label = driver.find_element(By.XPATH, 
        "substring-after(normalize-space(//div[@class='pricingReg']/text()[normalize-space()]), '/')"
    ).get_attribute('textContent').strip()
    print(f'Purchase Unit Label = {purchase_unit_label}')
except NoSuchElementException:
    print('Purchase Unit Label NoSuchElementException')

方法原理说明 #

• //div[@class='pricingReg']/text()：专门选取div元素下的所有直接文本节点（不会包含子元素的文本内容）。
• [normalize-space()]：过滤掉空的文本节点，只保留有实际内容的节点（这里就是/each）。
• substring-after(..., '/')：直接截取斜杠后面的部分，省去手动处理的步骤。

内容的提问来源于stack exchange，提问作者Kyle Linden