我正在查看的页面包含：
<div id='1'> <p> text 1 <h1> text 2 </h1> text 3 <p> text 4 </p> </p> </div>
我想获取 div 中的所有文本，除了<h>。
（我想得到“文本1”，“文本3”和“文本4”）
可能有几个<h>元素，或者根本没有。
并且可能有几个<p>元素，甚至一个元素在另一个元素之中，或者没有。
我想通过获取 div 的所有 html 源并使用正则表达式来删除<h>元素。但 selenium.get_text 不返回 html，只返回文本（全部！）。
我知道我可以使用selenium.get_html_source然后用正则表达式查找我需要的元素，但这看起来很浪费，因为硒知道如何找到该元素。
有人有更好的解决方案吗？
谢谢 ：）
以下代码将为您提供 div 元素中的 HTML：
sel = selenium('localhost', 4444, browser, my_url)
html = sel.get_eval("this.browserbot.getCurrentWindow().document.getElementById('1').innerHTML")
然后你可以使用 BeautifulSoup 来解析它并提取你真正想要的内容。
我希望它有帮助
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
