python - 如何获取 BeautifulSoup 中所有父标签的列表？

Question

假设我有这样的结构:

<folder name="folder1">
     <folder name="folder2">
          <bookmark href="link.html">
     </folder>
</folder>

如果我指向书签，提取所有文件夹行的命令是什么？ 例如，

bookmarks = soup.findAll('bookmark')

然后 beautifulsoupcommand(bookmarks[0]) 将返回:

[<folder name="folder1">,<folder name="folder2">]

我还想知道结束标签何时也命中。有什么想法吗？

提前致谢!

Answer 1

这是我的尝试:

>>> from BeautifulSoup import BeautifulSoup
>>> html = """<folder name="folder1">
     <folder name="folder2">
          <bookmark href="link.html">
     </folder>
</folder>
"""
>>> soup = BeautifulSoup(html)
>>> bookmarks = soup.find_all('bookmark')
>>> [p.get('name') for p in bookmarks[0].find_all_previous(name = 'folder')]
[u'folder2', u'folder1']

与@eumiro 的回答的主要区别在于我使用的是 find_all_previous 而不是 find_parents。当我测试@eumiro 的解决方案时，我发现 find_parents 仅返回第一个(直接)父级，因为父级和祖父级的名称相同。

>>> [p.get('name') for p in bookmarks[0].find_parents('folder')]
[u'folder2']

>>> [p.get('name') for p in bookmarks[0].find_parents()]
[u'folder2', None]

如果 parent 和祖 parent 的名字不同，它会返回两代 parent 。

>>> html = """<folder name="folder1">
     <folder_parent name="folder2">
          <bookmark href="link.html">
     </folder_parent>
</folder>
"""
>>> soup = BeautifulSoup(html)
>>> bookmarks = soup.find_all('bookmark')
>>> [p.get('name') for p in bookmarks[0].find_parents()]
[u'folder2', u'folder1', None]