如何用BeautifulSoup对文档进行标签切分？

Question

文档如下所示：

<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 -->
...

所有这些标签都在同一树级上。我需要将文档分成多个div数组，并将各节附加到其相应的div。

预期的结果是一个类似[div1, section1, section2, div2, section3]的列表。它们以它们在HTML中出现的顺序出现。

我当前的代码：

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

如果div和section具有不同的类，则此方法有效。

Answer 1

我认为这会让你朝着你的目标走上最远的路。

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)

输出：

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，soup中的项目是按照标签在soup.find_all中列出的顺序输出的。