Cómo copiar texto de la tabla usando puppeteer en nodejs

Question

Estoy tratando de extraer el texto OTP de HTML donde está dentro de una fila de la tabla y no hay un selector como div id o class. Solo el estilo div está presente. Cómo copiar texto de eso.

Estoy usando https://temp-mail.org/

Aquí está el XPATH del campo OTP

/html/body/main/div[1]/div/div[3]/div[2]/div/div[1]/div/div[2]/div[3]/div[2]/div/table/tbody/tr/td/div[2]/table/tbody/tr/td/div/table/tbody/tr/td/table/tbody/tr[3]/td/div

Aquí está el selector

body > main > div.container > div > div.col-sm-12.col-md-12.col-lg-12.col-xl-8 > div.tm-content > div > div.inboxWarpMain > div > div.inbox-data-content > div.inbox-data-content-intro > div:nth-child(13) > div > table > tbody > tr > td > div:nth-child(2) > table > tbody > tr > td > div > table > tbody > tr > td > table > tbody > tr:nth-child(3) > td > div

Imagen de estructura de código que se muestra en herramientas de desarrollo

Answer 1

Asegúrese siempre de no violar los Términos de uso del servicio realmente raspado. ¿Quizás podría lograr el resultado deseado si usara su API? (https://rapidapi.com/Privatix/api/temp-mail)

Si está seguro de que desea utilizar la automatización del navegador y procede a recuperar la contraseña de un solo uso con titiritero, entonces: puede utilizar el page.$evalmétodo para recuperar el contenido de texto de cualquier elemento con un selector válido.

Nota: lo que ya ha copiado de devtools como selector es en realidad un selector , no es obligatorio incluir una clase CSS o una identificación de elemento. Está totalmente bien (incluso si es un poco redundante).

P.ej:

const selector = 'body > main > div.container > div > div.col-sm-12.col-md-12.col-lg-12.col-xl-8 > div.tm-content > div > div.inboxWarpMain > div > div.inbox-data-content > div.inbox-data-content-intro > div:nth-child(13) > div > table > tbody > tr > td > div:nth-child(2) > table > tbody > tr > td > div > table > tbody > tr > td > table > tbody > tr:nth-child(3) > td > div'

const text = await page.$eval(selector, el => el.innerText)
console.log(text)

Salida:

233-552

---

Editar

En caso de que haya más de un elemento con el que el selector coincidiría, puede usar document.querySelectorAllenfoques como $$evalo $$luego seleccionar el elemento en el primer índice [0].

En este caso de uso exacto, el $está ocupado por jQuery, por lo que entra en conflicto con la $abreviatura de Chrome api querySelector, consulte aquí:

Soluciones:

const selector = 'body > main > div.container > div > div.col-sm-12.col-md-12.col-lg-12.col-xl-8 > div.tm-content > div > div.inboxWarpMain > div > div.inbox-data-content > div.inbox-data-content-intro > div:nth-child(13) > div > table > tbody > tr > td > div:nth-child(2) > table > tbody > tr > td > div > table > tbody > tr > td > table > tbody > tr:nth-child(3) > td > div'

await page.waitFor(10000) // waitForTimeout since pptr 5.3.0

try {
  await page.waitForSelector(selector)
  const [text] = await page.$$eval(selector, elements => elements.map(el => el.innerText))
  console.log(text)
} catch (e) {
  console.error(e)
}

// alternate solution with page.evaluate:
try {
  const text = await page.evaluate(el => el.innerText, (await page.$$(selector))[0])
  console.log(text)
} catch (e) {
  console.error(e)
}