Python:当所有表行都有相同的类时，如何使用selenium提取特定的文本行

Question

只有一个简单的问题，我想用python和selenium抓取this页面上的数据。

下面的脚本：

from selenium import webdriver
import os
from selenium.webdriver.support.ui import Select
from selenium.webdriver.common.by import By
from selenium.webdriver.chrome.options import Options
import pandas as pd
import time
import sys


options = Options()
options.binary_location=r'C:\Program Files (x86)\Google\Chrome\Application\chrome.exe'
options.add_experimental_option('excludeSwitches', ['enable-logging'])
options.add_argument("--headless")
driver = webdriver.Chrome(options=options,executable_path='/mnt/c/Users/kela/Desktop/selenium/chromedriver.exe')
for i in range(4):
        driver.get('http://isyslab.info/NeuroPep/search_info?pepNum=NP0000' + str(i))
#       element = driver.find_element_by_css_selector('[id=pmid]')
#       pmid = element.text

        element2 = driver.find_element_by_css_selector('[id=content]')
        print(element2.text)
        print('**')

将打印输出(此处简称为)：

NPID NP00003
Name C-terminal peptide (By similarity)
Organism Mus musculus
NCBI Taxa ID 10090
Tissue Specificity
Family 7B2
UniProt ID 7B2_MOUSE
Length 13
Modification NA
Gene Ontology
GO ID GO Term Definition
Evidence
GO:0005576 Cellular Component extracellular region IEA
GO:0030141 Cellular Component secretory granule ISS
GO:0004857 Molecular Function enzyme inhibitor activity IDA
GO:0051082 Molecular Function unfolded protein binding ISS
GO:0006886 Biological Process intracellular protein transport IDA
GO:0043086 Biological Process negative regulation of catalytic activity IDA
GO:0007218 Biological Process neuropeptide signaling pathway IEA
GO:0016486 Biological Process peptide hormone processing IDA
GO:0046883 Biological Process regulation of hormone secretion IDA
Sequence SVPHFSEEEK[10]EAE
Properties View
Structure NA
Reference NA
**

我不想刮掉某些行；具体地说，我不想要(1)组织特异性、(2)家族、(3)基因本体、(4)属性或(5)结构、(6)长度

或者换一种说法，我只想要(1) NPID，(2)名称，(3)有机体，(4) NCBI分类单元ID，(5) UniProt，(6)修改，(7)参考。

我想要抓取的页面的源HTML在这里：

​

​

所以你可以看到，没有特定的标签(例如ID=XXX)可以用来分隔我想要的行和我不想要的行；它们都有相同的标题类，等等。

有没有人可以给我举个例子，告诉我如何在找到我想要的特定行的基础上，从表中提取特定行(例如，如何从表中提取“NP0003”)(然后我可以对其余行执行相同的操作？)

编辑1:根据下面的评论，添加要提取的示例行的屏幕截图：

​

​

Answer 1

在这种情况下，使用xpath查找元素提供了更大的灵活性。尝试此解决方案，

for i in range(4):
    print(i+1)
    driver.get('http://isyslab.info/NeuroPep/search_info?pepNum=NP0000' + str(i+1))
    time.sleep(3)
    NPID = driver.find_element_by_xpath("//tbody/tr/td[contains(.,'NPID')]/following::td[1]")
    print(NPID.text)
    print('**')