我需要从网站上刮去电子邮件，但是没有类似的班级名称或SMTH

Question

我有以下问题报废网站。我有一个带人电子邮件的3700页，我需要实现它们。问题在于它们不包含任何类名称，而对于不同页面的XPath可能会有所不同，有时在电子邮件前有电话号码会破坏所有内容。我尝试使用硒的不同解决方案，但这行不起作用。您能给我一些有关如何处理此问题以及如何刮擦它们的建议。以下是一些页面的一些示例，其中显示了不同的HTML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>

另一个是

<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

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

Answer 1

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

上面的Xpath表达式将选择您所需的html部分：

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

所需的文本节点值是： moc.tsiugnilde@ahsynal

Answer 2

似乎镜像了电子邮件地址。并解决有样式信息： unicode-bidi：bidi-override;方向：rtl; 意味着 moc.tsiugnilde@ahsynal 是 [email＆nbsp; procepted] 。

因此，最好只使用此XPath：

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