Python 使用BeautifulSoup提取和分组元素/标记

我有一个包含以下数据类型和结构的文件：

A.
B
例一
1.
2.
例二
3.
4.
C
D
例子
1.
2.

数据在文件中以这种精确的结构继续，但最内部的

..

标记除外，这些标记可以重复n次，数据结构总是以

标记开始，然后继续以

..

和

..

标记

我想做的是提取最外层的

标记之间的所有数据，并使用

和

作为数据块的描述。当然，我还希望将最内部的

标记彼此分离，并以某种方式保存此数据，以便可以清楚地看到最外部的数据与父数据相关

我没有一个确切的想法，我想如何保存数据，所以任何例子是赞赏

我正在用Python模块BeautifulSoup测试这一点，并在这里搜索和阅读了很多示例，但没有找到任何可以为我指明正确方向的东西

---

谢谢

将标记名作为记录的容器以及其中的一个元素加倍会产生问题

BeautifulSoup

原谅了这些问题，如果您无法返回并更改XML结构，您可能希望使用以下方法

将数据分配给变量。当然，这可以从文本文件中读取：

data = '''<data>
    <from>A</from>
    <to>B</to>
    <data>
        <name>EXAMPLE ONE</name>
        <info>
            <some_data>1</some_data>
            <more_data>2</more_data>
        </info>
        <random>
            <some_tag>
            </foobar>
            <foo>
                <bar />
           </foo>
        </random>
    </data>
    <data>
        <name>EXAMPLE TWO</name>
        <info>
            <some_data>3</some_data>
            <more_data>4</more_data>
        </info>
        <random>
            <some_tag>
            </foobar>
            <foo>
                <bar />
           </foo>
        </random>
   </data>
</data>
<data>
    <from>C</from>
    <to>D</to>
    <data>
        <name>EXAMPLE</name>
        <info>
            <some_data>1</some_data>
            <more_data>2</more_data>
        </info>
        <random>
            <some_tag>
            </foobar>
            <foo>
                <bar />
           </foo>
        </random>
    </data>
 </data>'''

以及该虚拟数据的结果：

{(u'A', u'B'): [{'more_data': u'2',
                 'name': u'EXAMPLE ONE',
                 'some_data': u'1'},
                {'more_data': u'4',
                 'name': u'EXAMPLE TWO',
                 'some_data': u'3'}],
 (u'C', u'D'): [{'more_data': u'2', 'name': u'EXAMPLE', 'some_data': u'1'}]}

---

伟大的差不多就是这样了，我还想提取父级中每个可能的内部数据块。我已经更新了示例代码，使其更加清晰@迈克：我已经根据你编辑的输入数据更新了代码。请注意，最好返回原点并创建格式良好的XML树。我添加了一种将每个块存储在字典中的方法，您可以用现在应该相当简单的方法来检查它。

{(u'A', u'B'): [{'more_data': u'2',
                 'name': u'EXAMPLE ONE',
                 'some_data': u'1'},
                {'more_data': u'4',
                 'name': u'EXAMPLE TWO',
                 'some_data': u'3'}],
 (u'C', u'D'): [{'more_data': u'2', 'name': u'EXAMPLE', 'some_data': u'1'}]}