如何使用BeautifulSoup按標籤分割文檔？

Question

文件看起來是這樣的：

<div class="eh">...</div> 
... 
<section class="g">...</section> <!-- div 1 --> 
... 
<section class="g">...</section> <!-- div 1 --> 
... 
<div class="eh">...</div> 
... 
<section class="g">...</section> <!-- div 2 --> 
... 

所有這些標籤在同一棵樹上的水平。我需要將文檔分割爲多個div的組，並將各個部分附加到其相應的div。

預期結果是一個列表，如[div1, section1, section2, div2, section3]。它們按照它們在HTML中出現的順序顯示。

我當前的代碼：

bs.find_all(
    ['div', 'section'], 
    {'class': ['eh', 'g']}) 

這個工作，如果股利和部分有不同的類別。

Answer 1

我認爲這會讓你走向最終目標。

from bs4 import BeautifulSoup 

soup = BeautifulSoup(open('temp.htm').read(), 'lxml') 
tags = soup.find_all(['div','section']) 

for tag in tags: 
    print (tag.name, tag) 

輸出：

div <div class="eh">...</div> 
section <section class="g">...</section> 
section <section class="g">...</section> 
div <div class="eh">...</div> 
section <section class="g">...</section> 
section <section class="g">...</section> 
section <section class="g">...</section> 
section <section class="g">...</section> 

注意，在湯項是在其中標記在soup.find_all列出的順序輸出。