BeautifulSoup 解析 html 列表

Question

我是解析新手..我有一个简单的 html，没有类属性列表，例如：    <h2><a href="..">Title 1</a></h2>    <ol>        <li>Line 1..</li>        <li>Line 2...</li>        ...    </ol>    <h2><a href="..">Title 2</a></h2>    <ol>        <li>Line 2-1..</li>        <li>Line 2-2...</li>        ...    </ol>...等等..我运行这段代码：import requestsfrom bs4 import BeautifulSoup as BSr = requests.get('http://...')html = BS(r.content, 'html.parser')H2 = html.find_all('h2')for h2 in H2:    title = h2.text    print(title)获取标题..但是我如何<ol>在同一循环中获取分配给该标题的列表？

Answer 1

一个简单的方法是使用zip。尝试：

import requests

from bs4 import BeautifulSoup as BS

source = '''

<h2><a href="..">Title 1</a></h2>

    <ol>

        <li>Line 1..</li>

        <li>Line 2...</li>

    </ol>

    <h2><a href="..">Title 2</a></h2>

    <ol>

        <li>Line 2-1..</li>

        <li>Line 2-2...</li>

    </ol>

'''

html = BS(source, 'html.parser')

for title, element in zip(html.find_all('h2'), html.find_all('ol')):

    print(title.text, element.text)

结果：

Title 1 

Line 1..

Line 2...

Title 2 

Line 2-1..

Line 2-2...

注意：如果数量不同，可以用itertools.zip_longest代替zip。

Answer 2

另一个解决方案：您可以使用.find_previous：

from bs4 import BeautifulSoup

txt = '''

    <h2><a href="..">Title 1</a></h2>

    <ol>

        <li>Line 1</li>

        <li>Line 2</li>

        ...

    </ol>

    <h2><a href="..">Title 2</a></h2>

    <ol>

        <li>Line 2-1</li>

        <li>Line 2-2</li>

        ...

    </ol>

'''

soup = BeautifulSoup(txt, 'html.parser')

out = {}

for li in soup.select('ol li'):

    out.setdefault(li.find_previous('h2').text, []).append(li.text)

print(out)

印刷：

{'Title 1': ['Line 1', 'Line 2'], 

 'Title 2': ['Line 2-1', 'Line 2-2']}