如何在无序列表 selenium + python 中抓取信息

Question

我正在做一个网络抓取项目，我试图从亚马逊网站上抓取信息。在网站中，存在一个包含此类信息的无序列表

Item Weight: 17.2 pounds
Shipping Weight: 17.4 pounds (View shipping rates and policies)
ASIN: B00HC767P6
UPC: 766789717088 885720483186 052000201628
Item model number: mark-1hooi-toop842
Customer Reviews: 4.8 out of 5 stars1,352 customer ratings
Amazon Best Sellers Rank: #514 in Grocery & Gourmet Food (See Top 100 in Grocery & Gourmet Food)
#12 in Sports Drinks

列表本身没有任何类别。问题是我不想要列表中的所有信息。只有 ASIN 码。 li 标签没有任何特定的类或 ID。这是product details page的链接

在使用 selenium 之前，我使用的是 BeautifulSoup，这就是我解决问题的方式

asin = str(soup.find('bdi', {'dir': 'ltr'}).find_parent('li'))[38:].split('<')[0]

我现在改用 selenium。如何抓取信息。

Answer 1

您可以使用 css 选择器获取相关的 li 项，如下所示：

通过css选择器按索引查找子元素

$(".content > ul > li:nth-child(2)").textContent >>> "Shipping Weight: 33 pounds (View shipping rates and policies)"
$(".content > ul > li:nth-child(3)").textContent >>> "ASIN: B07QKN2ZT9"

相关python selenium代码：

driver.find_element_by_css_selector(".content > ul > li:nth-child(3)").text.split(": ")[1] >>> 'B07QKN2ZT9'

通过 XPATH 查找祖先元素

如果 ASIN 并不总是在同一个索引中，那么您可以找到具有文本 ASIN 文本的 bdi 元素并找到其 ancestor::li，然后获取其文本并提取相关部分。像下面这样：

driver.find_element_by_xpath("//bdi[text()='ASIN']/ancestor::li").text.split(": ")[1] >>> 'B07QKN2ZT9'

生成 XPATH

//<element type>[<attribute type> = <attribute value>]/<descendant>
//bdi[text() = 'ASIN'] >>> bdi element with text 'ASIN'
//bdi[@dir = 'ltr'] >>> bdi element with dir attribute equals to 'ltr'

访问元素的祖先

/ancestor::<ancestor element type>
//bdi[text()='ASIN']/ancestor::li >>> li
//bdi[text()='ASIN']/ancestor::ul >>> ul

您可以查看this as a reference