Мой исходный код выглядит так:
<h3>Header3 (Start here)</h3>
<ul>
<li>List items</li>
<li>Etc...</li>
</ul>
<h3>Header 3</h3>
<ul>
<li>List items</li>
<ul>
<li>Nested list items</li>
<li>Nested list items</li></ul>
<li>List items</li>
</ul>
<h2>Header 2 (end here)</h2>
Я бы хотел, чтобы все теги «li» следовали за первым тегом «h3» и останавливались на следующем теге «h2», включая все вложенные теги li.
firstH3 = суп.найти('h3')
правильно находит место, с которого я хотел бы начать.
firstH3 = soup.find('h3') # Start here
uls = []
for nextSibling in firstH3.findNextSiblings():
if nextSibling.name == 'h2':
break
if nextSibling.name == 'ul':
uls.append(nextSibling)
дает мне список UL, каждый с содержимым LI, которое мне нужно.
ВЫДЕРЖКА ИЗ СПИСКА "uls":
<ul>
...
<li><i><a href="/wiki/Agent_Cody_Banks" title="Agent Cody Banks">Agent Cody Banks</a></i> (2003)</li>
<li><i><a href="/wiki/Agent_Cody_Banks_2:_Destination_London" title="Agent Cody Banks 2: Destination London">Agent Cody Banks 2: Destination London</a></i> (2004)</li>
<li>Air Bud series:
<ul>
<li><i><a href="/wiki/Air_Bud:_World_Pup" title="Air Bud: World Pup">Air Bud: World Pup</a></i> (2000)</li>
<li><i><a href="/wiki/Air_Bud:_Seventh_Inning_Fetch" title="Air Bud: Seventh Inning Fetch">Air Bud: Seventh Inning Fetch</a></i> (2002)</li>
<li><i><a href="/wiki/Air_Bud:_Spikes_Back" title="Air Bud: Spikes Back">Air Bud: Spikes Back</a></i> (2003)</li>
<li><i><a href="/wiki/Air_Buddies" title="Air Buddies">Air Buddies</a></i> (2006)</li>
</ul>
</li>
<li><i><a href="/wiki/Akeelah_and_the_Bee" title="Akeelah and the Bee">Akeelah and the Bee</a></i> (2006)</li>
...
</ul>
Но я не уверен, куда идти отсюда. Я новичок в программировании и пытаюсь освоить Python, создав скрипт, который очищает http://en.wikipedia.org/wiki/2000s_in_film и извлекает список «Название фильма (год)».
Обновлять:
Окончательный код:
lis = []
for ul in uls:
for li in ul.findAll('li'):
if li.find('ul'):
break
lis.append(li)
for li in lis:
print li.text.encode("utf-8")
If-->break отбрасывает LI, содержащие UL, так как вложенные LI теперь дублируются.
Вывод на печать теперь:
- 102 далматинца (2000)
- 10 место и волк (2006)
- 11:14(2006)
- 12:08 К востоку от Бухареста (2006)
- 13 из 30 (2004)
- 1408(2007)
- ...
Спасибо