如何在Python中生成HTML文本的目录？

Question

假设我有一些HTML代码，就像这样（从Markdown或Textile或其他东西生成）：

<h1>A header</h1>
<p>Foo</p>
<h2>Another header</h2>
<p>More content</p>
<h2>Different header</h2>
<h1>Another toplevel header
<!-- and so on -->

我如何使用Python为它生成目录？

Answer 1

使用lxml或BeautifulSoup等HTML解析器查找所有标题元素。

Answer 2

以下是使用lxml和xpath的示例。

from lxml import etree
doc = etree.parse("test.xml")
for node in doc.xpath('//h1|//h2|//h3|//h4|//h5'):
    print node.tag, node.text