将HTML列表转换为嵌套的Python列表 [英] Converting HTML list to nested Python list

问题描述

如果我有一个如下所示的嵌套html（无序）列表：

 < ul> 
< li>< a href =Page1_Level1.html> Page1_Level1< / a> 
< ul> 
< li>< a href =Page1_Level2.html> Page1_Level2< / a> 
< ul> 
< li>< a href =Page1_Level3.html> Page1_Level3< / a>< / li> 
< / ul> 
< ul> 
< li>< a href =Page2_Level3.html> Page2_Level3< / a>< / li> 
< / ul> 
< ul> 
< li>< a href =Page3_Level3.html> Page3_Level3< / a>< / li> 
< / ul> 
< / li> 
< / ul> 
< / li> 
< li>< a href =Page2_Level1.html> Page2_Level1< / a> 
< ul> 
< li>< a href =Page2_Level2.html> Page2_Level2< / a>< / li> 
< / ul> 
< / li> 
< / ul> 
  

如何在Python中形成一个嵌套列表？例如：

  [Page1_Level1.html，[Page1_Level2.html，[Page1_Leve3.html，Page2_Level3 .html，Page3_Level3.html]]，Page2_Level1.html，[Page2_Level2.html]] 
  

我设想像美丽的汤和 HTML分析器这样的库有设施可以做到这一点，但我一直无法弄清楚。感谢您的任何帮助/指示！

解决方案

您可以采取递归方法：

  from pprint import pprint 
 from bs4 import BeautifulSoup 
 
 text =您的html在这里
 $ $ b $ def find_li（element）：
 return $ {$ li $ {$ li $'$'$：b 
在li中，li（'li'，recursive = False）] 
 
 
 soup = BeautifulSoup（text，'html.parser'）
 data = find_li（soup）
 pprint（data）
  

打印：

  [{u'Page1_Level1.html'：[{u'Page1_Level2.html'：[{u'Page1_Level3.html'：[]}，
 {u' Page2_Level3.html'：[]}，
 {u'Page3_Level3.html'：[]}]}]，
 {u'Page2_Level1.html'：[{u'Page2_Level2.html'： []}]}] 
  

仅供参考，这里是为什么我不得不在这里使用 html.parser ：

• 不要把HTML，头和身体标签自动，美丽的

If I have a nested html (unordered) list that looks like this:

<ul>
    <li><a href="Page1_Level1.html">Page1_Level1</a> 
    <ul>
        <li><a href="Page1_Level2.html">Page1_Level2</a> 
            <ul>
                <li><a href="Page1_Level3.html">Page1_Level3</a></li>
            </ul>
            <ul>
                <li><a href="Page2_Level3.html">Page2_Level3</a></li>
            </ul>
            <ul>
                <li><a href="Page3_Level3.html">Page3_Level3</a></li>
            </ul>
        </li>
    </ul>
    </li>
    <li><a href="Page2_Level1.html">Page2_Level1</a> 
    <ul>
        <li><a href="Page2_Level2.html">Page2_Level2</a></li>
    </ul>
    </li>
</ul>

How do I form a nested list out of it in Python? For example:

["Page1_Level1.html", ["Page1_Level2.html", ["Page1_Leve3.html", "Page2_Level3.html", "Page3_Level3.html"]], "Page2_Level1.html", ["Page2_Level2.html"]]

I presume libraries like Beautiful Soup and HTML Parser have facilities to do this, but I haven't been able it figure it out. Thanks for any help / pointers!

解决方案

You can take a recursive approach:

from pprint import pprint
from bs4 import BeautifulSoup

text = """your html goes here"""

def find_li(element):
    return [{li.a['href']: find_li(li)}
            for ul in element('ul', recursive=False)
            for li in ul('li', recursive=False)]


soup = BeautifulSoup(text, 'html.parser')
data = find_li(soup)
pprint(data)

Prints:

[{u'Page1_Level1.html': [{u'Page1_Level2.html': [{u'Page1_Level3.html': []},
                                                 {u'Page2_Level3.html': []},
                                                 {u'Page3_Level3.html': []}]}]},
 {u'Page2_Level1.html': [{u'Page2_Level2.html': []}]}]

FYI, here is why I had to use html.parser here:

• Don't put html, head and body tags automatically, beautifulsoup

这篇关于将HTML列表转换为嵌套的Python列表的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！