我需要从网站上抓取一封电子邮件，但没有 class 名称或类似这样的东西

Question

我有以下问题报废网站。我有 3700 页个人电子邮件，我需要完成它们。问题是它们不包含任何 class 名称，并且不同页面的 Xpath 可能不同，因为有时在电子邮件之前有 phone 数字，这会破坏一切。我尝试对硒使用不同的解决方案，但它不起作用。你能给我一些关于如何处理这个问题以及我如何抓取它们的建议吗？下面是一些页面示例，其中显示了 html 的不同结构。谢谢！

<div>
   <div><i class="fa fa-envelope" style="margin-right: 0.5rem;"></i><span style="unicode-bidi: bidi-override; direction: rtl;"> moc.ttobbanaej@naej</span></div>
   <div><a href="http://JeanAbbott.com" target="_blank" class="websiteLink" rel="noopener noreferrer" style="overflow-wrap: normal; text-overflow: ellipsis; overflow: hidden;">JeanAbbott.com</a></div>
   <div id="contactInfoWrap" style="margin-top: 10px;">
      <div>Jean Abbott</div>
      <div>
         <div>5 Colonial Circle</div>
         <div>Medicine Lake, MN 55441</div>
         <div>US</div>
      </div>
   </div>
</div>

还有一个

<div>
   <div><i class="fa fa-phone" style="margin-right: 0.5rem;"></i>202-800-7057</div>
   <div><i class="fa fa-envelope" style="margin-right: 0.5rem;"></i><span style="unicode-bidi: bidi-override; direction: rtl;"> moc.tsiugnilde@ahsynal</span></div>
   <div><a href="http://edlinguist.com/" target="_blank" class="websiteLink" rel="noopener noreferrer" style="overflow-wrap: normal; text-overflow: ellipsis; overflow: hidden;">edlinguist.com/</a></div>
   <div id="contactInfoWrap" style="margin-top: 10px;">
      <div>LaNysha Adams</div>
      <div>
         <div>80 M St SE</div>
         <div>1st Floor</div>
         <div>Washington, DC 20003</div>
         <div>US</div>
      </div>
   </div>
</div>

我需要的元素如下所示

<span style="unicode-bidi: bidi-override; direction: rtl;"> moc.ttobbanaej@naej</span>

Answer 1

//div[contains(.,"@")]/span

上面的 xpath 表达式将 select 您想要的 html 部分：

<span style="unicode-bidi: bidi-override; direction: rtl;"> moc.tsiugnilde@ahsynal</span>

并且所需的文本节点值为：moc.tsiugnilde@ahsynal

Answer 2

好像 email-addresses 是镜像的。并解决有样式信息：unicode-bidi: bidi-override; direction: rtl; 意味着 moc.tsiugnilde@ahsynal 是 laysha@edlinguist.com.

所以最好只使用这个 XPath:

//span[style='unicode-bidi: bidi-override; direction: rtl;']

我需要从网站上抓取一封电子邮件，但没有 class 名称或类似这样的东西

I need to scrape an email from site but there are no class name or smth like this

python

html

selenium

web-scraping

xpath