Python 如何查找在特定数据上处于活动状态的所有HTML标记的列表
我想解析HTML以将其转换为其他格式，同时保留一些样式（粗体、列表等） 为了更好地解释我的意思 考虑以下代码：Python 如何查找在特定数据上处于活动状态的所有HTML标记的列表,python,html,beautifulsoup,html-parsing,Python,Html,Beautifulsoup,Html Parsing,我想解析HTML以将其转换为其他格式，同时保留一些样式（粗体、列表等） 为了更好地解释我的意思 考虑以下代码： <html> <body> <h2>A Nested List</h2> <p>List <b>can</b> be nested (lists inside lists):</p> <ul> <li>Coffee</li> <li>
<html>
<body>
<h2>A Nested List</h2>
<p>List <b>can</b> be nested (lists inside lists):</p>
<ul>
<li>Coffee</li>
<li>Tea
<ul>
<li>Black tea</li>
<li>Green tea</li>
</ul>
</li>
<li>Milk</li>
</ul>
</body>
</html>
嵌套列表
列表可以嵌套（列表中的列表）：
- 咖啡
- 茶
- 红茶
- 绿茶
- 牛奶
后来我尝试了html解析器来解决同样的问题，尝试在“数据”之前生成一个所有标记的堆栈，并在遇到相应的结束标记时将它们弹出，但我也做不到。正如您在评论中所说，它可能会或不会满足您的需求，但这可能是一个开始。所以我无论如何都会尝试一下，看看会发生什么：
from lxml import etree
snippet = """[your html above]"""
root = etree.fromstring(snippet)
tree = etree.ElementTree(root)
targets = ['List','nested','Black tea']
for e in root.iter():
for target in targets:
if (e.text and target in e.text) or (e.tail and target in e.tail):
print(target,' :',tree.getpath(e))
List : /html/body/h2
List : /html/body/p
nested : /html/body/p/b
Black tea : /html/body/ul/li[2]/ul/li[1]
如您所见，这将为您提供指向选定文本目标的xpath。有几件事需要注意：首先，“列表”出现两次，因为它在文本中出现了两次。第二：“红茶”xpath包含位置值（例如，
/li[2][2]lifrom lxml import etree
snippet = """[your html above]"""
root = etree.fromstring(snippet)
tree = etree.ElementTree(root)
targets = ['List','nested','Black tea']
for e in root.iter():
for target in targets:
if (e.text and target in e.text) or (e.tail and target in e.tail):
print(target,' :',tree.getpath(e))
List : /html/body/h2
List : /html/body/p
nested : /html/body/p/b
Black tea : /html/body/ul/li[2]/ul/li[1]
如您所见，这将为您提供指向选定文本目标的xpath。有几件事需要注意：首先，“列表”出现两次，因为它在文本中出现了两次。第二：“红茶”xpath包含位置值（例如，
/li[2][2]li