如何使用 Selenium 和正则表达式从网页文本中精准提取纯数字-html教程-PHP中文网

如何使用 Selenium 和正则表达式从网页文本中精准提取纯数字

本文介绍在 Selenium 自动化测试中，当目标元素无 ID、class 或 name 等显式定位器时，如何通过 XPath/CSS 选择器定位含混合文本的 HTML 元素，并利用正则表达式（re.findall(r'\d+', text)）高效提取其中的连续数字。

本文介绍在 selenium 自动化测试中，当目标元素无 id、class 或 name 等显式定位器时，如何通过 xpath/css 选择器定位含混合文本的 html 元素，并利用正则表达式（`re.findall(r'\d+', text)`）高效提取其中的连续数字。

在实际 Web 自动化场景中，常遇到类似

FB-91927 或

FB-91927 is your Facebook confirmation code

这类结构：关键信息（如验证码 91927）嵌套在带前缀/后缀的文本中，且元素缺乏稳定属性（如 id 或 class），无法直接用 find_element_by_id 等传统方式精确定位。

此时应分两步解决：精准定位 + 文本清洗提取。

✅ 第一步：灵活定位目标元素

由于示例中

无 class/id，但具备唯一性样式（如 font-size:20px）或位置特征，推荐使用 XPath 属性包含匹配 或 CSS 选择器文本模糊定位：

from selenium import webdriver
from selenium.webdriver.common.by import By
import re

driver = webdriver.Chrome()
driver.get("https://example.com")  # 替换为目标网页URL

# 方案1：通过 td 标签内文模糊匹配（推荐，鲁棒性强）
td_element = driver.find_element(By.XPATH, "//td[contains(text(), 'FB-')]")
text_content = td_element.text  # → "FB-91927"

# 方案2：通过 li.title 定位（题目中已知 class）
li_element = driver.find_element(By.CSS_SELECTOR, "li.title")
text_content = li_element.text  # → "FB-91927 is your Facebook confirmation code"

⚠️ 注意：find_elements_by_class_name("title") 已被 Selenium 4+ 弃用，必须改用 By.CLASS_NAME 或 By.CSS_SELECTOR 配合 find_element()（单元素）或 find_elements()（多元素）。

朱雀AI检测
朱雀AI检测是一款AI工具，腾讯推出的AI内容检测助手。

下载

✅ 第二步：用正则提取纯数字

获取原始文本后，使用 re.findall(r'\d+', text) 提取所有连续数字片段（\d+ 表示一个或多个数字）：

# 提取所有数字组（返回字符串列表）
numbers = re.findall(r'\d+', text_content)
print(numbers)  # 输出：['91927']（若文本为 "FB-91927" 或 "FB-91927 is your code"）

# 获取第一个数字（通常即所需验证码）
confirmation_code = numbers[0] if numbers else None
print("Extracted code:", confirmation_code)  # → "91927"

如需更严格匹配（例如仅提取 5 位数字），可升级正则：

# 仅匹配恰好5位数字
code_5digits = re.search(r'\b\d{5}\b', text_content)
if code_5digits:
    confirmation_code = code_5digits.group()  # → "91927"

✅ 完整可运行示例

from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.chrome.options import Options
import re

options = Options()
options.add_argument("--headless")  # 无界面模式
driver = webdriver.Chrome(options=options)

try:
    driver.get("https://your-target-page.com")

    # 定位含 FB- 前缀的 li 元素（兼容 class="title" 场景）
    element = driver.find_element(By.XPATH, "//li[contains(@class,'title') or contains(text(),'FB-')]")
    raw_text = element.text

    # 提取数字
    digits = re.findall(r'\d+', raw_text)
    code = digits[0] if digits else ""

    print(f"✅ Extracted numeric code: {code}")

finally:
    driver.quit()

? 关键总结：