我正在尝试连接每个站点上带有联系号码的元素。我能够创建例程来获取号码,使用可用格式和正则表达式提取联系号码以及以下代码片段来获取元素
contact_elem = browser.find_elements_by_xpath("//*[contains(text(), '" + phone_num + "')]")
考虑 https://www.cssfirm.com/ 的示例,联系号码出现在 2 个位置,顶部页眉和底部页脚
联系号码附带的元素文本如下:
<h3>CALL US TODAY AT (855) 910-7824</h3> - Footer
<a href="tel:8559107824"> <span>Call Us<br>Today</span> (855) 910-7824</a> - Header
提取的电话号码在打印时完全匹配。由于某种原因,未检测到 header 部分中的元素。
我尝试在执行其余代码之前搜索元素,甚至从浏览器中删除页脚元素。
未检测到的原因可能是什么?
P.S:下面是业余的、未经纠正的代码。欢迎效率编辑/建议。相同的代码已经在不同的网站上进行了测试并且工作正常。
url = 'http://www.cssfirm.com/'
browser.get(url)
parsed = browser.find_element_by_tag_name('html').get_attribute('innerHTML')
s = BeautifulSoup(parsed, 'html.parser')
s = s.decode('utf-8')
phoneNumberRegex = '(\s*(?:\+?(\d{1,4}))?[-. (]*(\d{1,})[-. )]*(\d{3}|[A-Z0-9]+)[-. \/]*(\d{4}|[A-Z0-9]+)[-. \/]?(\d{4}|[A-Z0-9]+)?(?: *x(\d+))?\s*)'
custom_re = ['([0-9]{4,4} )([0-9]{3,3} )([0-9]{4,4})',
'([0-9]{3,3} )([0-9]{4,4} )([0-9]{4,4})',
'(\+[0-9]{2,2}-)([0-9]{4,4}-)([0-9]{4,4}-)(0)',
'(\([0-9]{3,3}\) )([0-9]{3,3}-)([0-9]{4,4})',
'(\+[0-9]{2,2} )(\(0\)[0-9]{4,4} )([0-9]{4,6})',
'([0-9]{5,5} )([0-9]{6,6})',
'(\+[0-9]{2,2}\(0\))([0-9]{4,4} )([0-9]{4,4})',
'(\+[0-9]{2,2} )([0-9]{3,3} )([0-9]{4,4} )([0-9]{3,3})',
'([0-9]{3,3}-)([0-9]{3,3}-)([0-9]{4,4})']
phones = []
phones = re.findall(phoneNumberRegex, s)
phone_num_list = ()
phone_num = ''
matched = 0
for phoneHeader in phones:
#phoneHeader = phoneHeader.decode('utf-8')
for ph_cnd in phoneHeader:
for pttrn in custom_re:
phones = re.findall(pttrn,ph_cnd)
if(phones):
phone_num_list = phones
for x in phone_num_list:
phone_num = ''.join(x)
try:
contact_elem = browser.find_element_by_xpath("//*[contains(text(), '" + phone_num + "')]")
phone_num_txt = contact_elem.text
if(phone_num_txt):
matched = 1
break
except NoSuchElementException:
pass
if(matched == 1):
break
if(matched == 1):
break
if(matched == 1):
break
print("Phone number :",phone_num) <-- Perfect output
contact_elem <--empty for header or just the footer element
编辑
代码已更新。忘记了一个重要的部分。此外,中间还给出了 sleep 时间,以便为页面加载提供时间。考虑到它很琐碎,我没有将它们包括在内以便快速阅读。
最佳答案
我通过搜索部分链接文本找到了一个临时解决方案,因为链接上也出现了数字。
contact_elem2 = browser.find_element_by_partial_link_text(phone_num)
但是,这并不能回答关于为什么该文本在元素内被忽略的一般问题。
关于python - 查找具有特定文本 selenium python 的所有元素,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57895039/