python - 如何将 Html 嵌套列表转换为 Python 嵌套列表

Question

我有这样的 Html 列表:

lista = """
<ul>
<li>Arts &amp; Entertainment
    <ul>
      <li>Celebrities &amp; Entertainment News</li>
      <li>Comics &amp; Animation
        <ul>
        <li>Anime &amp; Manga</li>
        <li>Cartoons</li>
        <li>Comics</li>
        </ul>
      </li>
    </ul>
</li>
</ul>

"""

我想将其转换为有用的 python 结构以进行进一步处理:

你建议采用什么结构？你会怎么做？

Answer 1

与 BeautifulSoup ，我会做这样的事情:

from BeautifulSoup import BeautifulSoup
from pprint import pprint

def parseList(tag):
    if tag.name == 'ul':
        return [parseList(item)
                for item in tag.findAll('li', recursive=False)]
    elif tag.name == 'li':
        if tag.ul is None:
            return tag.text
        else:
            return (tag.contents[0].string.strip(), parseList(tag.ul))

soup = BeautifulSoup(lista)
pprint(parseList(soup.ul))

示例输出:

[(u'Arts & Entertainment',
  [u'Celebrities & Entertainment News',
   (u'Comics & Animation',
    [u'Anime & Manga', u'Cartoons', u'Comics'])])]

请注意，对于包含未编号列表的列表项，将返回一个元组，其中第一个元素是列表项中的字符串，第二个元素是包含未编号列表内容的列表。