Python/Selenium-WebElement的文本属性截断重复的空白

我想与大家分享我对WebElement的文本属性的观察。我有一个pdf链接：

文件名有三个空格，当我尝试获取标记中包含的元素的text属性时，只需从额外的空格接收截断的字符串：

“03057895_05-01-2015_平台快速阵列感应sp gr hsts中子密度测井。pdf”

对于我来说，找出这个问题非常关键，因为我使用text来识别下载的文件名并监视文件的下载状态

---

任何人以前都遇到过类似的情况，或者可能知道它为什么以这种方式工作？

正如@Eric评论的那样，这不是硒的问题。这是您的应用程序中的一个问题。 但是，如果您真的想获取该文本，则必须获取属性innerHTML。见下面的代码：

text = driver.find_element_by_css_selector("a").get_attribute("innerHTML")

---

我不知道在Selenium中是如何处理的，但在html中通常不会保留空白，所以如果为您清理了未渲染的部分，我也不会感到惊讶。你不能在链接中使用href，因为这必须是正确的，而且我认为会更可靠。。。你没有明白我的意思。我的抱怨是文本属性在这种情况下具有不可预测的行为。虽然这个额外的空白是html的问题，但我认为selenium应该返回实际结果，而不需要任何隐式操作另外，我没有使用href，我正在尝试提取标签的文本，因为下载后它将成为一个文件名，这将成为我的一个问题，因为文本返回不存在的文件名否，我不认为我误解了。这是一个空白不重要且不一定保留的区域，特别是当要求渲染器我不渲染任何内容时（顺便说一句，这些额外的空白由浏览器按原样渲染，不进行修剪）。实际上这很重要，因为这个链接是一个pdf文件名，我正在下载。在我看来，这个text（）属性是从WebElement对象中获取它的最简单的解决方案，但令人惊讶的是，它在IMHO中出错了，因为它下面有一些修剪的东西。这是一个意外的结果，因为在我看来text（）属性被设计为返回一个包含在标记或其他内容中的纯文本值（我用黄色突出显示了它），但它返回edited标记之间的部分正是selenium正在“渲染”的内容，以及空白不可靠的区域。如果您想要实际名称，唯一安全的方法是获取

a

标记的

href

部分并处理它。我试图找出其他一些方法。你的例子很粗糙，你可以看到这一点。这是一个表，为了只处理带有PDF扩展名的每个链接，我们应该循环遍历每个表行，然后找到合适的列，然后用准确的url指示标记，最后我希望通过使用text属性获得此链接的简单文本条目。我不确定css_选择器是否适合here@Alex-博格达诺夫我不知道我是否理解你。您可以创建与

匹配的css选择器表达式，该表达式包含表中的确切URL。e、 g.

“表格>正文a[href*='.pdf']”

。为什么不使用这个呢？css_选择器返回WebElement对象，我需要它的文本属性，因为这是实际的文件名，之后我将监视它是否正在下载finished@Alex-博格达诺夫你试过我的答案了吗？它返回文本，而不是webelement。对不起，我还没有找到它。你所说的css选择器，所有的

find\u by

方法总是返回WebElement对象，然后你可以获取它的

get\u属性（'href'）

，然后像我实际做的那样剥离到一个文件名，@Eric Renouf