使用BeautifulSoup来获取两个标签之间的所有HTML

Question

我有一些看起来像这样的HTML:

<h1>Title</h1>

//a random amount of p/uls or tagless text

<h1> Next Title</h1>

我想将所有HTML从第一个h1复制到下一个h1.我怎样才能做到这一点？

Answer 1

这是明确的BeautifulSoup方式,当第二个h1标签是第一个标签的兄弟:

html = u""
for tag in soup.find("h1").next_siblings:
    if tag.name == "h1":
        break
    else:
        html += unicode(tag)

Answer 2

我也有同样的问题。不确定是否有更好的解决方案，但我所做的是使用正则表达式来获取我正在寻找的两个节点的索引。完成后，我提取两个索引之间的 HTML 并创建一个新的 BeautifulSoup 对象。

例子：

m = re.search(r'<h1>Title</h1>.*?<h1>', html, re.DOTALL)
s = m.start()
e = m.end() - len('<h1>')
target_html = html[s:e]
new_bs = BeautifulSoup(target_html)

Answer 3

有趣的问题。您无法仅使用 DOM 来选择它。您必须循环遍历第一个 h1（包括）之前的所有元素，并将它们放入 intro = str(intro) 中，然后将第二个 h1 之前的所有元素放入 Chapter1 中。然后使用以下命令从第一章中删除介绍

chapter = chapter1.replace(intro, '')