BeautifulSoup：从叶子到根搜索，以获得最深的＆＃34;元素第一？

Question

对于类似于this one的研究项目，我想从python documentation.中提取所有“文档单元” python文档中的文档单元可以是（如html-meta标记）：

• 方法（dl类：方法）
• 一个类（dl class：class）
• 一节（div class：section）

正如您可能猜到的，这些应该是这样嵌套的：一个部分包含几个类，其中包含几个方法。但实际上这是非常不规律的。

Example1：如果一个部分包含几个类和方法：我想单独获取每个方法，并且每个类都没有方法（我已经获得）和没有类的部分（我已经在那种情况下）和没有方法（我也已经拥有），但与其余的（因为那里有很多额外的东西）

示例2：如果方法或类没有出现的部分，我也想要它们，如上所述，不要忘记它们。

注意：不会让它变得更容易，但我希望将所有这些内容放在与原始文档中相同顺序的列表中。

我尝试使用BeautifulSoup但我想为此目的我需要搜索“从叶到根”以获得最深的元素 - 这是（afaik）不受BeautifulSoup4支持。

First i thought the problem is to avoid duplicates但实际上这不是主要问题。

我很感激你的提示。

Answer 1

似乎这是不可能的。

所以我解决这个问题的方法是一次又一次地迭代元素（我使用.descendants），然后用占位符替换嵌套元素以使该更改可见（使用replace_with）。 / p>

正如我之前使用过.descendants，无论如何都会存储嵌套元素。