投稿获客
  1. 创想鸟首页
  2. 用户投稿

使用Selenium Python高效提取Web表格中的Span标签文本

程序猿 • • 用户投稿 • 阅读 0

使用selenium python高效提取web表格中的span标签文本

本教程旨在指导如何使用Selenium和Python从复杂的Web表格结构中精确提取嵌套在标签内的标签文本。文章将介绍直接定位父元素、精确指定子元素以及结构化遍历表格等多种策略，并提供实用的代码示例和最佳实践，帮助读者提升Web自动化数据抓取能力。

1. 理解Web表格中的嵌套结构

在Web自动化测试和数据抓取中，我们经常会遇到结构复杂的HTML元素，特别是Web表格。一个常见的场景是，表格单元格（

）内部可能包含其他标签，例如，而我们需要提取的文本正位于这些嵌套标签中。

考虑以下HTML结构示例：

    11/29/2023 04:01:10

我们的目标是从这个标签中提取日期和时间字符串 “11/29/2023 04:01:10″。

2. Selenium Python环境配置

在开始之前，确保您的Python环境已安装Selenium库，并且已经下载了对应浏览器版本的WebDriver（例如ChromeDriver）。

立即学习“Python免费学习笔记（深入）”；

from selenium import webdriverfrom selenium.webdriver.chrome.service import Servicefrom selenium.webdriver.common.by import Byfrom selenium.webdriver.support.ui import WebDriverWaitfrom selenium.webdriver.support import expected_conditions as ECimport time# 配置WebDriver路径 (请替换为您的chromedriver实际路径)DRIVER_PATH = 'C:/Program Files (x86)/Selenium Client/Selenium Drivers/chromedriver.exe'service = Service(executable_path=DRIVER_PATH)# 配置Chrome选项 (可选，例如无头模式)options = webdriver.ChromeOptions()# options.add_argument('--headless') # 启用无头模式# 初始化WebDriverdriver = webdriver.Chrome(service=service, options=options)# 设置隐式等待，在查找元素时等待2秒driver.implicitly_wait(2)# 目标URL (请替换为实际的网页URL)URL = 'https://www.example.com' # 假设这是一个包含目标表格的页面driver.get(URL)# 等待页面加载，或者等待特定元素出现time.sleep(5) # 简单粗暴的等待，实际项目中推荐使用显式等待

3. 提取文本的策略与实践

针对上述HTML结构，我们可以采用多种策略来提取标签中的文本。

3.1 策略一：直接定位父元素并提取文本

Selenium的WebElement.text属性通常会返回元素及其所有子元素的可见文本内容。如果是

中唯一的或主要的文本内容提供者，那么直接获取的文本即可。

实现方法：使用XPath或CSS选择器定位到目标

标签，然后调用其.text属性。

示例代码：

try:    # 假设目标td可以通过其父元素或特定属性被定位    # 示例XPath: 查找包含特定文本的span的父td    # 或者更直接的XPath，如果td有可识别的属性    # 例如，如果td是某个表格的第二行第三列    # target_td_xpath = "//table[@id='yourTableId']/tbody/tr[2]/td[3]"    # 根据提供的HTML结构，我们可以这样定位td    # 假设这个td是页面上唯一的或可以通过其他上下文唯一识别    # 如果td没有class或id，可以尝试通过其子span的文本来定位父td    # 例如：找到文本包含'2023'的span的父td    # target_td_element = WebDriverWait(driver, 10).until(    #     EC.visibility_of_element_located((By.XPATH, "//td[span[contains(text(), '2023')]]"))    # )    # 最直接的定位方式，如果td是唯一的或者可以通过其样式属性定位    # 注意：使用style属性进行定位通常不稳定，这里仅作演示    # 实际应用中应寻找更稳定的定位器    target_td_element = WebDriverWait(driver, 10).until(        EC.visibility_of_element_located((By.XPATH, "//td[contains(@style, 'padding:2px 2px 2px 5px')]/span/.."))    )    # 或者更简单的，直接定位到span，然后获取其父元素的文本    # 注意：这里我们演示的是直接获取td的文本    td_text = target_td_element.text    print(f"策略一：直接从标签获取的文本: {td_text}")except Exception as e:    print(f"策略一执行失败: {e}")

注意事项：

这种方法简洁高效，但仅适用于中除了目标之外没有其他干扰性文本的情况。WebElement.text通常返回用户可见的文本，而get_attribute(‘innerText’)则返回元素内部的所有文本内容，包括隐藏的文本。在大多数情况下，text属性是首选。

3.2 策略二：精确导航到Span标签

如果

内部有多个文本节点或多个子元素，直接获取的文本可能不准确。此时，我们需要更精确地定位到目标标签。

实现方法：使用XPath或CSS选择器直接定位到标签，然后提取其文本。

示例代码：

try:    # 使用CSS选择器定位：td元素下的span元素    span_element_css = WebDriverWait(driver, 10).until(        EC.visibility_of_element_located((By.CSS_SELECTOR, "td > span"))    )    span_text_css = span_element_css.text    print(f"策略二：通过CSS选择器从标签获取的文本: {span_text_css}")    # 使用XPath定位：td元素下的span元素    span_element_xpath = WebDriverWait(driver, 10).until(        EC.visibility_of_element_located((By.XPATH, "//td/span"))    )    span_text_xpath = span_element_xpath.text    print(f"策略二：通过XPath从标签获取的文本: {span_text_xpath}")except Exception as e:    print(f"策略二执行失败: {e}")

注意事项：

这种方法更为精确，适用于内部结构复杂的情况。选择合适的XPath或CSS选择器至关重要，确保其能够唯一且稳定地定位到目标。

3.3 策略三：结构化遍历Web表格

当表格结构复杂、动态变化或需要批量处理时，结构化遍历表格是一种更通用和健壮的方法。这种方法模拟了Java答案中通过定位表格、行、列来获取数据的思路。

实现方法：

首先定位整个表格元素。然后获取表格中的所有行（）。遍历行，并在每行中获取所有单元格（）。在目标单元格中，进一步定位到标签并提取文本。

示例代码：

try:    # 假设表格有一个ID或者可以通过其他方式唯一识别    # 例如: //table[@id='mainViewerTable_NS_']    # 这里我们假设有一个父级div包含我们的td，为了演示目的    # 如果没有表格ID，可能需要根据其内容或位置来定位    # 这里我们使用一个假设的父级元素来模拟定位到包含td的区域    # 实际项目中，您需要根据实际HTML找到表格的根元素    # 示例：查找页面上所有包含span的td，并获取其文本    all_td_with_span = WebDriverWait(driver, 10).until(        EC.presence_of_all_elements_located((By.XPATH, "//td[span]"))    )    print("策略三：结构化遍历Web表格 (示例：查找所有包含span的td)")    for i, td_element in enumerate(all_td_with_span):        try:            # 在每个td内部查找span            span_in_td = td_element.find_element(By.TAG_NAME, "span")            span_text = span_in_td.text            print(f"  第 {i+1} 个td中的文本: {span_text}")        except Exception as e_inner:            print(f"  在第 {i+1} 个td中查找失败: {e_inner}")    # 更具体的表格遍历示例 (假设有一个id为'myTable'的表格)    # try:    #     table_element = WebDriverWait(driver, 10).until(    #         EC.visibility_of_element_located((By.ID, "myTable"))    #     )    #     rows = table_element.find_elements(By.TAG_NAME, "tr")    #     print("n策略三：结构化遍历具体表格")    #     # 遍历所有行 (跳过表头行，如果存在)    #     for row_index, row in enumerate(rows):    #         if row_index == 0: # 假设第一行是表头    #             continue    #         columns = row.find_elements(By.TAG_NAME, "td")    #         # 假设我们想要第2行的第3列 (Python索引为1和2)    #         if row_index == 1 and len(columns) > 2:    #             target_td = columns[2] # 获取第三列的td    #             # 在这个td内部查找span    #             span_in_target_td = target_td.find_element(By.TAG_NAME, "span")    #             specific_span_text = span_in_target_td.text    #             print(f"  从特定表格单元格 (第{row_index+1}行, 第{2+1}列) 中的获取文本: {specific_span_text}")    #             break # 找到后退出循环    # except Exception as e_table:    #     print(f"结构化遍历表格失败: {e_table}")except Exception as e:    print(f"策略三执行失败: {e}")

注意事项：

这种方法是最健壮的，尤其适用于表格结构不固定或需要处理大量数据的情况。需要准确识别表格的根元素（通常是）。注意Python列表的零基索引，例如rows[0]是第一行，columns[0]是第一列。结合显式等待（WebDriverWait）可以有效处理页面加载和元素可见性问题。

4. 最佳实践与总结

选择合适的定位器： XPath和CSS选择器各有优缺点。XPath功能强大，可以进行复杂的路径匹配；CSS选择器通常性能更好，语法更简洁。根据具体场景和HTML结构选择最稳定、最易维护的定位器。使用显式等待： 永远不要只依赖time.sleep()。使用WebDriverWait配合expected_conditions可以确保元素在操作前已经加载并可见，大大提高脚本的健壮性。错误处理： 使用try-except块来捕获可能发生的NoSuchElementException或其他Selenium异常，使脚本在遇到问题时能够优雅地处理。清理资源： 在脚本结束时，务必调用driver.quit()来关闭浏览器和WebDriver进程，释放系统资源。

# 清理资源driver.quit()

通过掌握上述策略和最佳实践，您将能够高效且稳定地从各种复杂的Web表格结构中提取所需的文本数据，从而提升您的Selenium自动化能力。无论是直接定位父元素、精确指定子元素，还是结构化遍历表格，选择最适合当前任务的方法是关键。

以上就是使用Selenium Python高效提取Web表格中的Span标签文本的详细内容，更多请关注创想鸟其它相关文章！

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1369523.html

赞 (0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
0 0

关于作者

程序猿的头像

程序猿签约作者

414.1K 文章
0 评论
2 粉丝
这个人很懒，什么都没有留下～
Python教程：利用集合交集高效统计嵌套列表元组中的共同元素
上一篇 2025年12月14日 09:44:19
Sympy牛顿法中的ValueError解析与修正：符号变量与数值的正确使用
下一篇 2025年12月14日 09:44:31

相关推荐

  • 修复Django电商项目中AJAX过滤产品列表图片不显示问题 用户投稿

    修复Django电商项目中AJAX过滤产品列表图片不显示问题

    在Django电商项目中，当使用AJAX动态加载过滤后的产品列表时，常遇到图片无法正常显示的问题。这通常是由于前端模板中图片加载方式（如data-setbg属性结合JavaScript库）与AJAX动态内容更新机制不兼容所致。解决方案是直接在AJAX返回的HTML中使用标准的标签来渲染图片，确保浏览…

    程序猿的头像 程序猿
    2026年5月10日
    000

  • Matplotlib 地图中多类型图例的创建与优化

    Matplotlib 地图中多类型图例的创建与优化Matplotlib 地图中多类型图例的创建与优化Matplotlib 地图中多类型图例的创建与优化Matplotlib 地图中多类型图例的创建与优化

    本教程旨在解决matplotlib地图可视化中，如何在一个图例中同时展示颜色块（如区域分类）和自定义标记（如特定兴趣点）的问题。文章详细介绍了当传统`patch`对象无法正确显示标记时，如何利用`matplotlib.lines.line2d`创建标记图例句柄，并将其与颜色块图例句柄合并，从而生成一…

    程序猿的头像 程序猿
    2026年5月10日 • 用户投稿
    100
  • Golang JSON序列化：控制敏感字段暴露的最佳实践 用户投稿

    Golang JSON序列化：控制敏感字段暴露的最佳实践

    本教程探讨golang中如何高效控制结构体字段在json序列化时的可见性。当需要将包含敏感信息的结构体数组转换为json响应时，通过利用`encoding/json`包提供的结构体标签，特别是`json:”-“`，可以轻松实现对特定字段的忽略，从而避免敏感数据泄露，确保api…

    程序猿的头像 程序猿
    2026年5月10日
    000
  • 利用海象运算符简化条件赋值：Python教程与最佳实践 用户投稿

    利用海象运算符简化条件赋值：Python教程与最佳实践

    本文旨在探讨Python中海象运算符（:=）在条件赋值场景下的应用。通过对比传统if/else语句与海象运算符，以及条件表达式，分析海象运算符在简化代码、提高可读性方面的优势与局限性。并通过具体示例，展示如何在列表推导式等场景下合理使用海象运算符，同时强调其潜在的复杂性及替代方案，帮助开发者更好地掌…

    程序猿的头像 程序猿
    2026年5月10日
    100
  • 怎么在PHP代码中实现图片上传功能_PHP图片上传功能实现与安全处理教程 用户投稿

    怎么在PHP代码中实现图片上传功能_PHP图片上传功能实现与安全处理教程

    首先创建含enctype的HTML表单，再用PHP接收文件，检查目录、移动临时文件，验证类型与大小，生成唯一文件名，并调整php.ini限制以确保上传成功。 如果您尝试在PHP项目中添加图片上传功能，但服务器无法正确接收或保存文件，则可能是由于表单配置、文件处理逻辑或安全限制的问题。以下是实现该功能…

    程序猿的头像 程序猿
    2026年5月10日
    100
  • 比特币新手教程 比特币交易平台有哪些 用户投稿

    比特币新手教程 比特币交易平台有哪些

    比特币是一种去中心化的数字货币，基于区块链技术实现点对点交易，具有匿名性、有限发行和不可篡改等特点；新手可通过交易所购买，P2P交易获得比特币，常用平台包括Binance、OKX和Huobi；交易流程包括注册账户、实名认证、绑定支付方式、充值法币并下单购买，可选择市价单或限价单；比特币存储方式有交易…

    程序猿的头像 程序猿
    2026年5月10日
    000
  • c++中的SFINAE技术是什么_c++模板编程中的SFINAE原理与应用 用户投稿

    c++中的SFINAE技术是什么_c++模板编程中的SFINAE原理与应用

    SFINAE 是“替换失败不是错误”的原则，指模板实例化时若参数替换导致错误，只要存在其他合法候选，编译器不报错而是继续重载决议。它用于条件启用模板、类型检测等场景，如通过 decltype 或 enable_if 控制函数重载，实现类型特征判断。尽管 C++20 引入 Concepts 简化了部分…

    程序猿的头像 程序猿
    2026年5月10日
    000

  • HTML如何隐藏滚动条或去除滚动条

    滚动条可以存在也可以不存在，本文主要介绍了html 隐藏滚动条和去除滚动条的方法的相关资料,大家一起来学习一下html隐藏滚动条或去除滚动条的方法吧。 1. html 标签加属性 XML/HTML Code复制内容到剪贴板 2.body中加入以下代码 立即学习“前端免费学习笔记（深入）”； html…

    程序猿的头像 程序猿
    用户投稿 2026年5月10日
    000
  • Go语言mgo查询构建：深入理解bson.M与日期范围查询的正确实践 用户投稿

    Go语言mgo查询构建：深入理解bson.M与日期范围查询的正确实践

    本文旨在解决go语言mgo库中构建复杂查询时，特别是涉及嵌套`bson.m`和日期范围筛选的常见错误。我们将深入剖析`bson.m`的类型特性，解释为何直接索引`interface{}`会导致“invalid operation”错误，并提供一种推荐的、结构清晰的代码重构方案，以确保查询条件能够正确…

    程序猿的头像 程序猿
    2026年5月10日
    100
  • vscode上怎么运行html_vscode上运行html步骤【指南】 用户投稿

    vscode上怎么运行html_vscode上运行html步骤【指南】

    首先保存文件为.html格式，再通过浏览器或Live Server插件打开预览；推荐安装Live Server实现本地服务器运行与实时刷新，提升开发体验。 在 VS Code 上运行 HTML 文件并不需要复杂的配置，只需几个简单步骤即可预览页面效果。VS Code 本身是一个代码编辑器，不直接运行…

    程序猿的头像 程序猿
    2026年5月10日
    100
  • css max-height属性怎么用 用户投稿

    css max-height属性怎么用

    max-height 属性设置元素的最大高度。 说明 该属性值会对元素的高度设置一个最高限制。因此，元素可以比指定值矮，但不能比其高。不允许指定负值。 注意：max-height 属性不包括外边距、边框和内边距。 立即学习“前端免费学习笔记（深入）”； 值描述none 默认。定义对元素被允许的最大高…

    程序猿的头像 程序猿
    2026年5月10日
    100
  • RichHandler与Rich Progress集成：解决显示冲突的教程 用户投稿

    RichHandler与Rich Progress集成：解决显示冲突的教程

    在使用rich库的`richhandler`进行日志输出并同时使用`progress`组件时，可能会遇到显示错乱或溢出问题。这通常是由于为`richhandler`和`progress`分别创建了独立的`console`实例导致的。解决方案是确保日志处理器和进度条组件共享同一个`console`实例…

    程序猿的头像 程序猿
    2026年5月10日
    000
  • 修复点击时按钮抖动：CSS垂直对齐实践 用户投稿

    修复点击时按钮抖动：CSS垂直对齐实践

    本文探讨了在Web开发中，交互式按钮（如播放/暂停按钮）在点击时发生意外垂直位移的问题。通过分析CSS样式变化对元素布局的影响，我们发现这是由于按钮不同状态下的边框样式和内边距改变，以及默认的垂直对齐行为共同作用所致。核心解决方案是利用CSS的vertical-align属性，将其设置为middle…

    程序猿的头像 程序猿
    2026年5月10日
    100
  • Golang goroutine与channel调试技巧 用户投稿

    Golang goroutine与channel调试技巧

    使用go run -race检测数据竞争，结合runtime.NumGoroutine监控协程数量，通过pprof分析阻塞调用栈，利用select超时避免永久阻塞，有效排查goroutine泄漏、死锁和数据竞争问题。 Go语言的goroutine和channel是并发编程的核心，但它们也带来了调试上…

    程序猿的头像 程序猿
    2026年5月10日
    000
  • 页面中文本域的值怎么设置 用户投稿

    页面中文本域的值怎么设置

    标签定义多行的文本输入控件。 文本区中可容纳无限数量的文本，其中的文本的默认字体是等宽字体（通常是 Courier）。 可以通过 cols 和 rows 属性来规定 textarea 的尺寸，不过更好的办法是使用 CSS 的 height 和 width 属性。 注释：在文本输入区内的文本行间，用 …

    程序猿的头像 程序猿
    2026年5月10日
    000

  • 《魔兽世界》将于6月11日开启国服回归技术测试

    《魔兽世界》将于6月11日开启国服回归技术测试《魔兽世界》将于6月11日开启国服回归技术测试《魔兽世界》将于6月11日开启国服回归技术测试《魔兽世界》将于6月11日开启国服回归技术测试

    《%ign%ignore_a_1%re_a_1%》官方宣布，将于6月11日开启国服回归技术测试，时间为7天，并称可以在6月内正式开服，玩家们可以访问官网下载战网客户端并预下载“巫妖王之怒”客户端，技术测试详情见下图。 WordAi WordAI是一个AI驱动的内容重写平台 53 查看详情 以上就是《…

    程序猿的头像 程序猿
    2026年5月10日 • 用户投稿
    200
  • 使用 Jupyter Notebook 进行探索性数据分析 用户投稿

    使用 Jupyter Notebook 进行探索性数据分析

    Jupyter Notebook通过单元格实现代码与Markdown结合，支持数据导入（pandas）、清洗（fillna）、探索（matplotlib/seaborn可视化）、统计分析（describe/corr）和特征工程，便于记录与分享分析过程。 Jupyter Notebook 是进行探索性…

    程序猿的头像 程序猿
    2026年5月10日
    000
  • 如何在HTML中插入表单元素_HTML表单控件与输入类型使用指南 用户投稿

    如何在HTML中插入表单元素_HTML表单控件与输入类型使用指南

    HTML表单通过标签构建，包含action和method属性定义数据提交目标与方式，常用input类型如text、password、email等适配不同输入需求，配合label、required、placeholder提升可用性，结合textarea、select、button等控件实现完整交互，是…

    程序猿的头像 程序猿
    2026年5月10日
    100
  • 前端缓存策略与JavaScript存储管理 用户投稿

    前端缓存策略与JavaScript存储管理

    根据数据特性选择合适的存储方式并制定清晰的读写与清理逻辑，能显著提升前端性能；合理运用Cookie、localStorage、sessionStorage、IndexedDB及Cache API，结合缓存策略与定期清理机制，可在保证用户体验的同时避免安全与性能隐患。 前端缓存和JavaScript存…

    程序猿的头像 程序猿
    2026年5月10日
    200
  • HTML5网页如何实现手势操作 HTML5网页移动端交互的处理技巧 用户投稿

    HTML5网页如何实现手势操作 HTML5网页移动端交互的处理技巧

    首先利用原生touch事件实现滑动判断，再通过preventDefault解决滚动冲突，接着引入Hammer.js处理复杂手势，最后通过优化点击区域、避免事件冲突和增加视觉反馈提升体验。 在移动端浏览器中，HTML5网页可以通过触摸事件实现手势操作，提升用户体验。虽然原生JavaScript提供了基…

    程序猿的头像 程序猿
    2026年5月10日
    000

发表回复

登录后才能评论
关注微信