如何在 Selenium WebDriver 中获取元素的文本，而不包括子元素文本？

Question

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

获得“这是一些”并非易事。例如，这会返回“This is some text”：

driver.find_element_by_id('a').text

一般来说，如何获取特定元素的文本而不包括其子元素的文本？

（我在下面提供了一个答案，但如果有人能想出一个不那么可怕的解决方案，我会留下这个问题）。

Answer 1

这是一个通用的解决方案：

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，你可以将上面的函数体替换为：

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) 

我实际上是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 在text node 内。以结构化的方式描述text node：

<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 中提取和打印文本This is some，您有以下两种方法：

• 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xpath：

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

• 使用execute_script()：也可以使用execute_script()方法在当前窗口/帧同步执行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

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

您不必进行替换，您可以获取子文本的长度并将其从总长度中减去，然后切片成原始文本。那应该快得多。

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 get_element_by_xpath 之类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 获取相关的 HTML，然后使用像 BeautifulSoup 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，有几种方法可以搜索文本内容。您必须进行试验，看看哪种方法最适合您的用例。

这里有一个简单的单行可能就足够了：

inner_soup.find(text=True)

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

BeautifulSoup 有four types of elements，你会感兴趣的是NavigableString 类型，它是由Text 节点产生的。相比之下，Elements 的类型为Tag。

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，BeautifulSoup 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in this thread。