Python Bsoup4提取未被父元素包装的子元素 上下文

本文假设以下上下文：

• python 2.7
• B组4
• 使用非包裹（相邻）元素刮取内容

问题 目标

• Trevor希望提取页面内容，其中相关内容不由统一元素包装，而是与标题元素相邻
• 在下面的示例中，Trevor需要一个包含四个元素的python数据结构，每个元素包含一个“header”名称-值对和一个“body”名称-值对

细节 最好的解释方式是举例说明：

<h2>Alpha blurb</h2>

* content here one
* content here two

<h2>Bravo blurb</h2>

* content here one
* content here two
* content here tree
* content here four
* content here fyve
* content here seeks

<h2>Charlie blurb</h2>

* content here four
* content here fyve
* content here seeks

<h2>Delta blurb</h2>

* blah

Alpha模糊
*内容在这里
*这里的内容有两个
好极了
*内容在这里
*这里的内容有两个
*目录树
*这里的内容有四个
*内容在此fyve
*这里的内容寻求
查理宣传片
*这里的内容有四个
*内容在此fyve
*这里的内容寻求
三角洲宣传片
*废话

从Trevor到目前为止所看到的情况来看，Bsoup使用了一种抓取内容的策略，该策略包括查找容器元素并对其进行迭代和钻取

然而，在这个场景中，Trevor希望提取每个标题项及其关联的内容，即使关联的内容没有包装在包含元素中

一个内容节开始和另一个内容节结束的唯一指示是标题标记的位置

问题: 在bsoup4的文档中可以在哪里搜索，或者Trevor可以寻找什么术语来封装这一原理并获得他试图做的事情的结果？

Trevor需要在这里横着使用。例如：

from bs4 import BeautifulSoup


page = """
<div>
<h2>Alpha blurb</h2>

* content here one
* content here two

<h2>Bravo blurb</h2>

* content here one
* content here two
* content here tree
* content here four
* content here fyve
* content here seeks

<h2>Charlie blurb</h2>

* content here four
* content here fyve
* content here seeks

<h2>Delta blurb</h2>

* blah
</div>
"""
soup = BeautifulSoup(page)

for h2 in soup.find_all("h2"):

    print h2.text

    # loop over siblings until h2 is met (or no more siblings left)
    for item in h2.next_siblings:
        if item.name == "h2":
            break

        print item.strip()

    print "----"

我在想象问这个问题

Alpha blurb
* content here one
* content here two
----
Bravo blurb
* content here one
* content here two
* content here tree
* content here four
* content here fyve
* content here seeks
----
Charlie blurb
* content here four
* content here fyve
* content here seeks
----
Delta blurb
* blah
----