BeautifulSoup：將頂級文字與經典標籤查找功能結合？

Question

我正在嘗試使用 BeautifulSoup 從非統一結構的 html 區塊中提取資訊。我正在尋找一種方法來組合搜尋/過濾器輸出中標籤之間的文字區塊。例如，來自 html：

<span>
    <strong>Description</strong>
    Section1
    <ul>
        <li>line1</li>
        <li>line2</li>
        <li>line3</li>
    </ul>
    <strong>Section2</strong>
    Content2    
</span>

我想建立一個輸出列表，忽略某些類型的標籤（上例中的 ul 和 li），但捕獲頂級未標記文字。我發現的最接近的是.select(':not(ul,li)') 或.find_all(['strong'])，但兩者都不是它們可以同時捕捉未標記的頂級文字和各種目標標記。理想的行為是這樣的：

.find_all(['strong','UNTAGGED'])

產生如下輸出：

[
<strong>Description</strong>,
Section1,
<strong>Section2</strong>,
Content2
]

Answer 1

要獲得輸出，您可以先選擇，然後選擇它的next_sibling。

範例

from bs4 import BeautifulSoup
html = '''
<span>
    <strong>Description</strong>
    Section1
    <ul>
        <li>line1</li>
        <li>line2</li>
        <li>line3</li>
    </ul>
    <strong>Section2</strong>
    Content2    
</span>
'''
soup = BeautifulSoup(html)

data = []

for e in soup.select('strong'):
    data.extend([e,e.next_sibling.strip()])

data

輸出

[<strong>Description</strong>,
 'Section1',
 <strong>Section2</strong>,
 'Content2']