Python 按文档中的顺序对HTML元素进行分组

我有一个类似以下内容的HTML文档：

<div class = "Group"> Group 1 </div>
<div class = "item"> Item 1 </div>
<div class = "Group"> Group 2 </div>
<div class = "item"> Item 2 </div>
<div class = "item"> Item 3 </div>

---

通常这很容易做到，但我不确定在元素嵌套不准确时如何处理。相反，我只需要选择出现在元素下面的HTML，但不知道如何做。

虽然可以使用

re

或其他方法来完成，但HTML解析需要一个合适的库。
使用bs4：

from bs4 import BeautifulSoup

html = '''
<div class = "Group"> Group 1 </div>
<div class = "item"> Item 1 </div>
<div class = "Group"> Group 2 </div>
<div class = "item"> Item 2 </div>
<div class = "item"> Item 3 </div>
'''

soup = BeautifulSoup(html, 'lxml')
data = {}
key = None
for i in soup.find_all('div'):
    if 'Group' in i.get('class'):
        key = i.text.strip()
        data[key] = []
    elif key:
        data[key].append(i.text.strip())

print(data)

---

虽然可以使用

re

或其他方法进行html解析，但html解析需要合适的库。
使用bs4：

from bs4 import BeautifulSoup

html = '''
<div class = "Group"> Group 1 </div>
<div class = "item"> Item 1 </div>
<div class = "Group"> Group 2 </div>
<div class = "item"> Item 2 </div>
<div class = "item"> Item 3 </div>
'''

soup = BeautifulSoup(html, 'lxml')
data = {}
key = None
for i in soup.find_all('div'):
    if 'Group' in i.get('class'):
        key = i.text.strip()
        data[key] = []
    elif key:
        data[key].append(i.text.strip())

print(data)

---

您可以逐个获取元素，如果它是

组

，则保存旧列表并创建新列表，如果它是

项

，则添加到列表。开始时，“旧列表”可以是

None

。您可以逐个获取元素，如果是

Group

，则保存旧列表并创建新列表，如果是

项

，则添加到列表中。开始时，“旧列表”可以是

None

。

{'Group 2': ['Item 2', 'Item 3'], 'Group 1': ['Item 1']}