使用beautifulsoup查找下一个同胞,直到某个同胞


问题内容

该网页是这样的:

<h2>section1</h2>
<p>article</p>
<p>article</p>
<p>article</p>

<h2>section2</h2>
<p>article</p>
<p>article</p>
<p>article</p>

如何找到其中包含文章的每个部分?也就是说,在找到h2之后,找到下一个兄弟姐妹

直到下一个h2。

如果网页类似于:(通常是这种情况)

<div>
<h2>section1</h2>
<p>article</p>
<p>article</p>
<p>article</p>
</div>

<div>
<h2>section2</h2>
<p>article</p>
<p>article</p>
<p>article</p>
</div>

我可以编写如下代码:

for section in soup.findAll('div'):
...
    for post in section.findAll('p')

但是,如果我想获得相同的结果,该如何处理第一个网页?


问题答案:

我认为您可以执行以下操作:

for section in soup.findAll('h2'):
    nextNode = section
    while True:
        nextNode = nextNode.nextSibling
        try:
            tag_name = nextNode.name
        except AttributeError:
            tag_name = ""
        if tag_name == "p":
            print nextNode.string
        else:
            print "*****"
            break

鉴于:

<h2>section1</h2>
<p>article1</p>
<p>article2</p>
<p>article3</p>

<h2>section2</h2>
<p>article4</p>
<p>article5</p>
<p>article6</p>

输出:

article1
article2
article3
*****
article4
article5
article6
*****