python - 使用 XPath 解析定义列表的最佳方法是什么？

Question

我正在使用 Python + xPath 来解析一些 HTML，但在解析定义列表时遇到了问题。一个例子如下:

<dl><br/> <dt>Section One</dt><br/> <dd>Child one</dd><br/> <dd>Child one.2</dd><br/> <dt>Section Two</dt><br/> <dd>Child two</dd><br/> </dl>

我想将其转换为如下输出:
{'Section One' : ['Child one','Child one.2'], 'Section Two' : ['Child two']}

不过我遇到了困难，因为它的结构方式与您在输出中找到的层次结构不同。

谢谢

Answer 1

没有 xpath 的解决方案，使用 lxml(如果您正在使用 xpath，您可能已经在使用它？):

from collections import defaultdict
from lxml import etree

dl = etree.fromstring('''<dl>
<dt>Section One</dt>
<dd>Child one</dd>
<dd>Child one.2</dd>
<dt>Section Two</dt>
<dd>Child two</dd>
</dl>''')

result = defaultdict(list)
for dt in dl.findall('dt'):
    for child in dt.itersiblings(): # iterate over following siblings
        if child.tag != 'dd':
            break # stop at the first element that is not a dd
        result[dt.text].append(child.text)

print dict(result)

(我能想出的任何 xpath 解决方案似乎都比这更糟糕)