python - 使用 Python/Selenium 抓取文本并将 CSS 格式转换为 Markdown

Question

我在 Python 中使用 Selenium 从网站上抓取文本。我通过 ID 获取包含每段文本的元素，将其存储在一个名为 的变量中block，然后可以通过block.text.

问题是，我需要保留格式（例如，粗体、斜体等）。我的计划是通过类名（例如，class="bold"）查找文本的这些部分，并使用适当的 Markdown 语法（例如，some bold text将成为**some bold text**）修改元素的文本。然后我可以将其存储在数据库中，稍后将 Markdown 转换回 HTML 或 CSS。

问题是我不能简单地更改每个格式化元素的文本。如果我尝试做类似的事情element.text = 'x'，我会得到AttributeError: can't set attribute。这是一个问题，因为我想遍历格式化元素，添加 Markdown，然后将其反映在block.text包含所有这些格式化元素的总体中。然后我可以将该文本存储在数据库中。

因此，虽然我可以很容易地获得较大文本中所有单词和短语的列表，例如粗体，但我看不到对它们执行操作来修改它们所属的较大文本的实用方法。必须有一种合理的方法来做到这一点，但我的研究没有发现任何帮助。

标签： pythonselenium-webdriverformat