使用BeautifulSoup/Python迭代DOM

我有一个DOM：

<h2>Main Section</h2>
<p>Bla bla bla<p>
<h3>Subsection</h3>
<p>Some more info</p>

<h3>Subsection 2</h3>
<p>Even more info!</p>


<h2>Main Section 2</h2>
<p>bla</p>
<h3>Subsection</h3>
<p>Some more info</p>

<h3>Subsection 2</h3>
<p>Even more info!</p>

---

我想生成一个迭代器，返回‘Main Section’、‘Bla Bla Bla’、‘Subsection’等。使用BeautifulSoup有什么方法可以做到这一点吗？

这里有一种方法。其思想是迭代主要部分h2标记，对于每个h2标记，迭代同级，直到下一个h2标记：

---

希望这能有所帮助。

这里有一种方法。其思想是迭代主要部分h2标记，对于每个h2标记，迭代同级，直到下一个h2标记：

---

希望这能有所帮助。

注意我不能只做汤。查找所有'h2'+汤。查找所有'h3'+等等。因为我想保持标记在dom中出现的顺序。注意我不能只做汤。查找所有'h2'+汤。查找所有'h3'+等等。因为我想保持标记在dom中出现的顺序。

from bs4 import BeautifulSoup, Tag


data = """<h2>Main Section</h2>
<p>Bla bla bla<p>
<h3>Subsection</h3>
<p>Some more info</p>

<h3>Subsection 2</h3>
<p>Even more info!</p>


<h2>Main Section 2</h2>
<p>bla</p>
<h3>Subsection</h3>
<p>Some more info</p>

<h3>Subsection 2</h3>
<p>Even more info!</p>"""


soup = BeautifulSoup(data)
for main_section in soup.find_all('h2'):
    for sibling in main_section.next_siblings:
        if not isinstance(sibling, Tag):
            continue
        if sibling.name == 'h2':
            break
        print sibling.text
    print "-------"

Bla bla bla


Subsection
Some more info
Subsection 2
Even more info!
-------
bla
Subsection
Some more info
Subsection 2
Even more info!
-------