python - 当组都在同一元素中时，使用 BeautifulSoup 将 HTML 分成组

Question

这是一个例子:

<p class='animal'>cats</p>
<p class='attribute'>they meow</p>
<p class='attribute'>they have fur</p>
<p class='animal'>turtles</p>
<p class='attribute'>they don't make noises</p>
<p class='attribute'>they have shells</p>

如果每只动物都在一个单独的元素中，我可以迭代这些元素。那太好了。但是我尝试解析的网站将所有信息都集中在一个元素中。

将汤分成不同的动物，或者以其他方式提取属性和它们属于哪种动物的最佳方法是什么？

(欢迎推荐更好的标题)

Answer 1

from BeautifulSoup import BeautifulSoup

soup = BeautifulSoup("""
<p class='animal'>cats</p>
<p class='attribute'>they meow</p>
<p class='attribute'>they have fur</p>
<p class='animal'>turtles</p>
<p class='attribute'>they don't make noises</p>
<p class='attribute'>they have shells</p>
""")

animals = []
attributes = {}

for p in soup.findAll('p'):
    if (p['class'] == 'animal'):
        animals.append(p.string)
    elif (p['class'] == 'attribute'):
        if animals[-1] not in attributes.keys():
            attributes[animals[-1]] = [p.string]
        else:
            attributes[animals[-1]].append(p.string)

print animals
print attributes

这应该有效。