如何获取 Selenium WebDriver 中元素的文本，而不包含子元素文本？

Question

考虑：

<div id="a">This is some
   <div id="b">text</div>
</div>

获得“这是一些”是很重要的。 例如，这会返回“这是一些文本”：

driver.find_element_by_id('a').text

如何以一般方式获取特定元素的文本而不包含其子元素的文本？

Answer 1

这是一个通用解决方案：

def get_text_excluding_children(driver, element):
    return driver.execute_script("""
    return jQuery(arguments[0]).contents().filter(function() {
        return this.nodeType == Node.TEXT_NODE;
    }).text();
    """, element)

传递给函数的元素可以是从

find_element...()

方法获得的东西（即，它可以是

WebElement

对象）。

或者如果你没有 jQuery 或者不想使用它，你可以用这个替换上面的函数体：

return self.driver.execute_script("""
var parent = arguments[0];
var child = parent.firstChild;
var ret = "";
while(child) {
    if (child.nodeType === Node.TEXT_NODE)
        ret += child.textContent;
    child = child.nextSibling;
}
return ret;
""", element)

我实际上在测试套件中使用此代码。

Answer 2

在您共享的 HTML 中：

<div id="a">This is some
   <div id="b">text</div>
</div>

文本

This is some

位于文本节点内。以结构化方式描述文本节点：

<div id="a">
    This is some
   <div id="b">text</div>
</div>

---

这个用例

要使用 Selenium 的

python

客户端从 文本节点 提取并打印文本 This is some，有以下两种方法：

• 使用

  splitlines()

  ：您可以识别父元素，即

  <div id="a">

  ，提取

  innerHTML

  ，然后使用

  splitlines()

  ，如下所示：

• 使用xpath：

  print(driver.find_element_by_xpath("//div[@id='a']").get_attribute("innerHTML").splitlines()[0])
  

• 使用css_selector：

  print(driver.find_element_by_css_selector("div#a").get_attribute("innerHTML").splitlines()[0])
  

• 使用

  execute_script()

  ：您还可以使用

  execute_script()

  方法，它可以在当前窗口/框架中同步执行JavaScript，如下：

• 使用xpath和firstChild：

  parent_element = driver.find_element_by_xpath("//div[@id='a']")
  print(driver.execute_script('return arguments[0].firstChild.textContent;', parent_element).strip())
  

• 使用 xpath 和 childNodes[n]:

  parent_element = driver.find_element_by_xpath("//div[@id='a']")
  print(driver.execute_script('return arguments[0].childNodes[1].textContent;', parent_element).strip())
  

Answer 3

用途：

def get_true_text(tag):
    children = tag.find_elements_by_xpath('*')
    original_text = tag.text
    for child in children:
        original_text = original_text.replace(child.text, '', 1)
    return original_text

Answer 4

您无需更换。您可以获取子文本的长度，从总长度中减去该长度，然后切片到原始文本中。 这应该会快得多。

Answer 5

不幸的是，Selenium 仅适用于 Elements，而不是 Text 节点。

如果您尝试使用像

get_element_by_xpath

这样的函数来定位文本节点，Selenium 将抛出

InvalidSelectorException

。

一种解决方法是使用 Selenium 获取相关 HTML，然后使用像 Beautiful Soup 这样可以更优雅地处理文本节点的 HTML 解析库。

import bs4
from bs4 import BeautifulSoup

inner_html = driver.find_elements_by_css_selector('#a')[0].get_attribute("innerHTML")
inner_soup = BeautifulSoup(inner_html, 'html.parser')

outer_html = driver.find_elements_by_css_selector('#a')[0].get_attribute("outerHTML")
outer_soup = BeautifulSoup(outer_html, 'html.parser')

从那里，有多种方法可以搜索文本内容。您必须进行试验，看看什么最适合您的用例。

这里有一句简单的话可能就足够了：

inner_soup.find(text=True)

如果这不起作用，那么您可以使用 .contents() 循环遍历元素的子节点并检查它们的对象类型。

Beautiful Soup 有四种类型的元素，您感兴趣的是 NavigableString 类型，它是由文本节点生成的。相比之下，Elements 将具有 Tag 类型。

contents = inner_soup.contents

for bs4_object in contents:

    if (type(bs4_object) == bs4.Tag):
        print("This object is an Element.")

    elif (type(bs4_object) == bs4.NavigableString):
        print("This object is a Text node.")

请注意，Beautiful Soup 不支持 XPath 表达式。如果您需要这些，那么您可以使用一些解决方法在此问题中。