Python 如果selenium中的文本元素被主体标记分割，如何访问它

在web抓取数据的过程中，我在尝试访问网站上的一些值时遇到问题。问题是我要提取的文本在类中，该类包含由标记分隔的多个文本（这些body标记也包含对我来说也很重要的文本）

因此，首先，我尝试查找带有我需要的文本的标记（在本例中为“Category”），然后从body标记分配下面的文本中提取确切的类别。我可以使用精确的XPath，但这里不是这样，因为我需要在这个侧边栏中搜索的其他页面包含不同数量的行，所以位置以及XPath都是不同的

预期的输出是“实用工具”-侧边栏中的类别

我需要提取的网站和文本如下所示（请查看包含“类别”的侧栏：

元素如下所示：

我试过的代码是：

driver=webdriver.Safari（）
司机，上车https://www.statsforsharks.com/entry/MC_Squares')
element=driver。通过xpath（“b[contains（text（），'Category'）]/以下同级”查找元素
对于元素中的值：
打印（value.text）
驱动程序关闭（）

指向包含数据的页面的链接为

---

谢谢！

您最好在这里使用正则表达式，因为整个文本都在“公司边栏主体”类下，其中只有一些文本位于b标记之间，而有些则不在b标记之间

因此，您可以首先查看该类的文本：

sidebartext = driver.find_element_by_class_name("company-sidebar-body").text

这将为您提供以下信息：

“EOY项目销售额：$1000000\r\n上一年销售额：$200000\r\n类别：公用事业\r\n拍卖交易\r\n金额：10%\r\n金额：$300000\r\n价值：$3000000\r\n股票交易\r\n市场：凯文·奥莱里\r\n股票：25%\r\n金额：$300000\r\n价值：$1200000\r\n地点：-$1800000”

然后，您可以使用正则表达式来定位类别：

import re

c = re.search("Category:\s\w+", sidebartext).group()

print(c)

---

c将产生“类别：实用工具”，您可以使用它。如果类别（“实用工具”）的值在其他页面上不同，这也会起作用。

您最好在此处使用正则表达式，因为整个文本都属于“公司侧边栏主体”类，其中只有一些文本位于b标记之间，而有些则不在b标记之间

因此，您可以首先查看该类的文本：

sidebartext = driver.find_element_by_class_name("company-sidebar-body").text

这将为您提供以下信息：

“EOY项目销售额：$1000000\r\n上一年销售额：$200000\r\n类别：公用事业\r\n拍卖交易\r\n金额：10%\r\n金额：$300000\r\n价值：$3000000\r\n股票交易\r\n市场：凯文·奥莱里\r\n股票：25%\r\n金额：$300000\r\n价值：$1200000\r\n地点：-$1800000”

然后，您可以使用正则表达式来定位类别：

import re

c = re.search("Category:\s\w+", sidebartext).group()

print(c)

---

c将生成“类别：实用工具”，然后您可以使用它。如果类别的值（'Utility'）为与其他页面不同。

如果是MediaWiki网站，则有更简单的方法。例如，您可以使用JSON请求通过API访问页面数据，并使用更有限的DOM对其进行解析

---

有什么特别的原因要刮我的网站吗？

当我的网站是MediaWiki网站时，有更简单的方法。例如，你可以使用JSON请求通过API访问页面数据，并使用更有限的DOM解析它

---

有什么特别的原因想删除我的网站吗？

@komatiraju032我已经尝试了XPath的所有功能：（没有行，因为它不是表，从视觉上看，类别和实用程序或其他参数的键值对及其值正好在一起。@komatiraju032我已经尝试了XPath的所有功能：（没有行，因为它不是表，从视觉上看，category和utility或其他参数的键值对及其值正好位于彼此下方。谢谢！但是我如何从本文中仅带来“utility”呢？此外，您的答案给出了输出“category:utilitySasking”。如何解决这个问题？我已经使用下面的测试了regex，我得到了答案。）Category:Utility'。我还测试了python代码，也得到了预期的结果。元素中的文本包含回车“\r\n”，因此正则表达式的\w+部分将只得到它可以到达某个点的单词-在这种情况下，“\r\n”可能是元素中的文本不包含回车符？尽管是的，文本不包含/r/n符号…那么我如何才能将此元素带到元素中，或者在没有它们的情况下访问所需的部分？通常这可能不是最好的方法，我会质疑是否有更好的方法来执行测试-例如，如果有API，则使用API。然而，在这些c语言中因此，您需要尝试并发挥想象力。因此，我知道“询问交易”有一个h4标记。因此，您可以将该文本保存在一个变量中，并在执行正则表达式搜索之前使用该文本拆分原始字符串。

header\u text=driver.find\u element\u by_css\u selector（“.company sidebar body>h4”）.text

然后

text\u头之前=sidebertext.split（头\u文本，1）[0]

。现在在标题前对文本进行搜索谢谢！但是我如何才能从该文本中仅获取“实用程序”？此外，您的答案给出了输出“Category:utilitySasking”。如何解决这个问题？我已经使用下面的测试了正则表达式，得到了“Category:Utility”。我还测试了python代码，也得到了预期的结果。文本来自element包含回车符'\r\n'，因此正则表达式的\w+部分将只得到它可以到达某一点的单词-在这种情况下，'\r\n'可能元素中的文本不包含回车符？但会感到惊讶，因为您像我一样刚从元素中得到文本。是的，文本不包含/r/n符号…那么如何我可以随身携带这个元素，或者不用它们就可以访问所需的部分吗？一般来说，这可能不是最好的方法，我会质疑是否有更好的方法来执行您的测试-例如，如果他们有API，就使用API。然而，在这些情况下