在python中查找两个标记之间的所有内容

我返回一个无限循环。因此，如果有人知道我如何解决这个问题，请与我分享

预期产出为：

用户名是：user1

文本是：这是user1的打开内容这是user1的内容这是user1的更多内容

用户名是：user2

文本是：这是user2的打开内容这是user2的内容这是user2的更多内容

等等……

试试这个：

for i in soup.findAll('a'):
    while(i.nextSibling.name!='a'):
        print i.nextSibling

从bs4导入美化组
html=”“”
这是第一段，有一些细节

这是user1的打开内容

这是user1中的内容

这是user1提供的更多内容

这是user2的打开内容

这是user2的内容

这是user1提供的更多内容

"""
soup=BeautifulSoup（html）
因为我在汤里。找到所有的（'a'）：
打印“名称：”，即文本
对于[i，i.parent.find_next_sibling（）]中的s：
虽然没有：
如果s.find（'a'）无：
打破
打印“内容：”，s.text
s=s.查找下一个兄弟姐妹（）

（注意：

find_all

是

findAll

的推荐名称，在较老的汤中可能不起作用。与

find_next_sibling

相同）

尝试以下方法：

for i in soup.findAll('a'):
    while(i.nextSibling.name!='a'):
        print i.nextSibling

从bs4导入美化组
html=”“”
这是第一段，有一些细节

这是user1的打开内容

这是user1中的内容

这是user1提供的更多内容

这是user2的打开内容

这是user2的内容

这是user1提供的更多内容

"""
soup=BeautifulSoup（html）
因为我在汤里。找到所有的（'a'）：
打印“名称：”，即文本
对于[i，i.parent.find_next_sibling（）]中的s：
虽然没有：
如果s.find（'a'）无：
打破
打印“内容：”，s.text
s=s.查找下一个兄弟姐妹（）

---

（注意：

find_all

是

findAll

的推荐名称，在较老的汤中可能不起作用。与

find_next_sibling

相同）

一个选项是使用

find_all（）

搜索每个

标记，并为每个链接使用
find_all_next（）
搜索包含每个用户内容的标签。以下脚本提取用户名及其内容，并将两者保存为列表中的元组：

from bs4 import BeautifulSoup

html="""
<p>This is the first paragraph with some details</p>
<p><a href="user123">user1</a><font>This is opening contents for user1</font></p>
<p><font>This is the contents from user1</font></p>
<font><p>This is more content from user1</p></font>
<p><a href="user234">user2</a><font>This is opening contents for user2</font></p>
<p><font>This is the contents from user2</font></p>
<font><p>This is more content from user1</p></font>
"""

soup = BeautifulSoup(html)
for i in soup.find_all('a'):
  print 'name:', i.text
  for s in [i, i.parent.find_next_sibling()]:
    while s <> None:
      if s.find('a') <> None:
        break
      print 'contents:', s.text
      s = s.find_next_sibling()

它产生：

from bs4 import BeautifulSoup

l = []

soup = BeautifulSoup(open('htmlfile'))
for link in soup.find_all('a'):
    s = []
    for elem in link.find_all_next(['font', 'a']):
        if elem.name == 'a':
            break
        s.append(elem.string)
    user_content = ' '.join(s)
    l.append((link.string, user_content))

一个选项是使用
find_all（）
搜索每个
标记，对于每个链接，使用
find_all_next（）
搜索包含每个用户内容的
标记。以下脚本提取用户名及其内容，并将两者保存为列表中的元组：

from bs4 import BeautifulSoup

html="""
<p>This is the first paragraph with some details</p>
<p><a href="user123">user1</a><font>This is opening contents for user1</font></p>
<p><font>This is the contents from user1</font></p>
<font><p>This is more content from user1</p></font>
<p><a href="user234">user2</a><font>This is opening contents for user2</font></p>
<p><font>This is the contents from user2</font></p>
<font><p>This is more content from user1</p></font>
"""

soup = BeautifulSoup(html)
for i in soup.find_all('a'):
  print 'name:', i.text
  for s in [i, i.parent.find_next_sibling()]:
    while s <> None:
      if s.find('a') <> None:
        break
      print 'contents:', s.text
      s = s.find_next_sibling()

它产生：

from bs4 import BeautifulSoup

l = []

soup = BeautifulSoup(open('htmlfile'))
for link in soup.find_all('a'):
    s = []
    for elem in link.find_all_next(['font', 'a']):
        if elem.name == 'a':
            break
        s.append(elem.string)
    user_content = ' '.join(s)
    l.append((link.string, user_content))

第2行和第4行缺少结束语
。在你的例子中这是一个错误，还是真的是这样？你得到一个无限循环的原因是你没有遍历
i
的兄弟姐妹，你每次都在看同一个兄弟姐妹。@nickie--那是错误的。.我现在已经更正了…好吧，那么我认为我的解决方案有效。在你上次编辑之后，第4行和第7行中的标记
和
嵌套不正确。第2行和第4行中缺少结束标记
。在你的例子中这是一个错误，还是真的是这样？你得到一个无限循环的原因是你没有遍历
i
的兄弟姐妹，你每次都在看同一个兄弟姐妹。@nickie--那是错误的。.我现在已经更正了…好吧，那么我认为我的解决方案有效。在你上次编辑之后，第4行和第7行中的标记
和
嵌套不当。感谢您的解决方案。但它只产出了部分油田。假设两个“a”标记之间有不同的标记名，我想提取这些标记的所有内容。这是一个问题，因为我的html非常不一致。我正在寻找的东西，提取所有数据，直到它找到另一个“a”tag@user2657822：您的意思是提取
标记之间的所有文本吗？为什么不在问题中添加预期的输出？它会更清晰。@Birei-我现在已经编辑过了。希望它是清楚的。谢谢你的邀请suggestion@user2657822：我已经编辑了答案。请注意，我必须修复您的示例数据，
和
标记在某些行中混合使用。@user2657822:输出是我所期望的。感谢您的解决方案。但它只产出了部分油田。假设两个“a”标记之间有不同的标记名，我想提取这些标记的所有内容。这是一个问题，因为我的html非常不一致。我正在寻找的东西，提取所有数据，直到它找到另一个“a”tag@user2657822：您的意思是提取
标记之间的所有文本吗？为什么不在问题中添加预期的输出？它会更清晰。@Birei-我现在已经编辑过了。希望它是清楚的。谢谢你的邀请suggestion@user2657822：我已经编辑了答案。请注意，我必须修复您的示例数据，
和
标记在某些行中混合使用。@user2657822:输出是我需要的。@nickie-谢谢。但这只会获取下一个标签。我现在已经澄清了我的要求。我希望我新编辑的问题会更清楚。那么也修复了答案。@nickie非常感谢。它比以前更好用了。由于我处理的是大数据，所以我提出了另一种情况，即“a”标记中有一个“font”标记，该标记也包含一些内容。根据您的解决方案，它不会显示。例如，这是为用户1打开的内容。我还更新了原来的问题，使其清晰。再次感谢你。这太过分了，我就到此为止。我相信你已经知道了。干杯…现在很好..我还学习了新东西..对不起，我只是在学习python，所以有很多疑问..但是现在它被清除了..非常感谢..@nickie-谢谢。但这只会获取下一个标签。我已经澄清了我的要求