python - BeautifulSoup:从叶到根搜索首先获取 "deepest"元素？

Question

对于类似于 this one 的研究项目我想从 python documentation. 中提取所有“文档单元”python 文档中的文档单元可以是(作为 html-meta 标记):

• 方法(dl 类:方法)
• 一个类(dl类:类)
• 部分(div 类:部分)

并且这些应该是嵌套的:节包含多个类es，其中包含多个 方法。但事实上这是非常不规则的。

示例1:如果一个部分包含多个类和方法:我想单独获取每个方法，并且每个类没有方法(我已经得到)和没有类的部分(我已经在这种情况下)并且没有方法(我也已经有了)但有其余的(因为那里有很多额外的东西)

示例2:如果一个方法或一个类没有出现它们的部分，我也想要它们，如上所述，并且不能忘记它们。

注意:并没有让事情变得更容易，但我想将所有这些都放在一个列表中，该列表的顺序与原始文档中的顺序相同。

我用 BeautifulSoup 尝试过，但我想为此目的我需要“从叶到根”搜索以首先获取最深层的元素 - 这是(据我所知)BeautifulSoup4 不支持的。

First I thought the problem is to avoid duplicates但事实上这并不是主要问题。

感谢您的提示。

Answer 1

看来这是不可能的。

所以我为解决这个问题所做的就是一次又一次地迭代元素(我使用 .descendants 得到的)，然后我用占位符替换嵌套元素以使更改可见(使用 Replace_with)。

正如我之前使用的 .descendants 一样，嵌套元素无论如何都会被存储。