HTML转ReportLab时嵌套列表项丢失问题求助

• 核心问题定位
  丢失父列表项（如Step2、Step4）的本质原因是：解析<li>元素时，代码只递归处理了内部的嵌套子列表，却跳过了当前<li>本身的文本内容。比如遇到<li>Step2<ul>...</ul></li>时，直接进入子<ul>的处理逻辑，完全没渲染“Step2”这段文本。

• 针对性修复方案

  1. 调整列表项处理顺序
     遍历<li>节点时，必须先输出当前项的文本，再递归处理子列表。示例代码：

     def process_list_item(li_node, story, indent_level):
         # 提取并添加当前列表项的文本
         li_text = get_li_text(li_node)
         if li_text:
             list_style = get_custom_list_style(indent_level)
             story.append(Paragraph(li_text, list_style))
         # 递归处理子列表
         for child in li_node:
             if child.tag in ('ul', 'ol'):
                 process_list(child, story, indent_level + 1)
     

  2. 完整提取列表项文本
     有些<li>的文本可能分散在子节点前后，要结合text和tail属性获取完整内容：

     def get_li_text(li_node):
         parts = []
         # 提取节点本身的文本
         if li_node.text:
             parts.append(li_node.text.strip())
         # 提取非列表子节点的文本及后续文本
         for child in li_node:
             if child.tag not in ('ul', 'ol'):
                 if child.text:
                     parts.append(child.text.strip())
             if child.tail:
                 parts.append(child.tail.strip())
         return ' '.join(filter(None, parts))
     

  3. 层级化列表样式
     为不同层级的列表设置不同缩进，避免父项文本被子列表覆盖：

     from reportlab.lib.styles import ParagraphStyle, getSampleStyleSheet
     from reportlab.platypus import Paragraph
     
     def get_custom_list_style(level):
         base_style = getSampleStyleSheet()['BodyText']
         return ParagraphStyle(
             f'ListLevel{level}',
             parent=base_style,
             leftIndent=25 * level,
             bulletIndent=10 * level
         )
     

• 验证示例
  假设你的测试HTML为：

  1. Step1
  2. Step2
     • Substep2.1
     • Substep2.2
  3. Step3
  4. Step4
     1. Substep4.1

  修复后生成的PDF应完整显示Step1、Step2（含子项）、Step3、Step4（含子项），无父项丢失情况。

内容的提问来源于stack exchange，提问作者Cynate