Python3 : How to convert plain html into nested dictionary based on level of `h` tags?

Question

我有一个如下所示的 html:

<h1>Sanctuary Verses</h1>
    <h2>Purpose and Importance of the Sanctuary</h2>
       <p>Ps 73:17\nUntil I went into the sanctuary of God; [then] understood I their end.</p>
       <p>...</p>
    <h2>Some other title</h2>
        <p>...</p>
         <h3>sub-sub-title</h3>
             <p>sub-sub-content</p>
    <h2>Some different title</h2>
        <p>...</p>...

没有将 p 标记分组的 div 或 section 标记。它非常适合显示目的。我想提取数据以获得所需的输出。

期望的输出:

1. h 标签应显示为标题并根据其级别嵌套
2. p 标签应添加到 h 标签指定的特定标题下的内容

所需输出:

{
  "title": "Sanctuary Verses"
  "contents": [
    {"title": "Purpose and Importance of the Sanctuary"
     "contents":["Ps 73:17\nUntil I went into the sanctuary of God; [then] understood I their end.",
                 "...."
                ]
    },
    {"title": "Some other title"
     "contents": ["...",
                 {"title": "sub-sub-title"
                  "content": ["sub-sub-content"]
                 }
                 ]
    },
    {"title": "Some different title"
     "content": ["...","..."]
    }
}

我编写了一些解决方法代码来帮助我获得所需的输出。我想知道哪种方法是获得所需输出的最简单方法

Answer 1

这是一种堆栈问题/图问题。我们称它为一棵树吧。 (或文件或其他任何东西。)

我认为你的初始元组可以改进。 (文本、深度、类型)

stack = []
depth = 0
broken_value = -1
current = {"title":"root", "contents":[]}
for item in list_of_tuples:
    if item[1]>depth:
         #deeper
         next = { "title":item[0], "contents":[]  }
         current["contents"].append(next)
         stack.append(current)
         current=next
         depth = item[1]
    elif item[1]<depth:
         #shallower closes current gets previous level
         while depth>item[1]:
             prev = stack.pop()
             depth = depth-1
         current = {"title":item[0], "content":[]}
         stack[-1].append(current)
         depth=item[1]
    else:
         #same depth 
         if item[2]==broken_value:
             #<p> element gets added to current level.
             current['contents'].append(item[0])
         else:
             #<h> element gets added to parent of current.
             current = {"title":item[0], "content":[]}
             stack[-1]["contents"].append(current)
    broken_value = item[2]

这将创建一个任意深度图，假设深度增加 1，但可以减少任意数量。

最好跟踪字典中的深度，以便一次可以移动多个深度。不仅仅是“标题”和“内容”，还可以是“标题”、“深度”和“内容”

说明
堆栈跟踪打开的元素，当前元素是我们正在构建的元素。

如果我们发现深度>大于当前深度，那么我们将当前元素放入堆栈(它仍然是打开的)并开始处理下一级元素。

如果深度小于当前元素，我们会将当前元素和父元素关闭到相同的深度。

最后，如果深度相同，我们决定它是刚刚添加的“p”元素，还是关闭当前并开始新当前的另一个“h”元素。