使用BeautifulSoup提取li时遇div截断的解决方法

提取不全li标签的核心原因是：目标移动端维基页面的mf-section-2板块中，Nacimientos（出生记录）板块的列表被中间插入的<div>标签（多为移动端广告位、编辑入口、折叠功能模块）拆成了多个平级的<ul>节点。原有代码只通过filtro.find('ul')获取了板块下第一个ul标签内的li，div之后其他ul下的li自然全部被遗漏，和解析器、next_sibling方法的调用逻辑没有关系。

直接在定位到的目标板块节点下递归搜索所有li标签即可，不需要手动处理兄弟节点、跳过div标签，BeautifulSoup的find_all方法会自动遍历所有子节点完成匹配，修正后的可运行代码如下：

import requests
from bs4 import BeautifulSoup

url = "https://es.m.wikipedia.org/wiki/9_de_julio"
wikipedia2 = requests.get(url)
year_list = []

if wikipedia2.status_code == 200:
    nacimientos2 = BeautifulSoup(wikipedia2.text, "lxml")
    # 定位Nacimientos所在板块
    filtro = nacimientos2.find("section", id="mf-section-2")
    # 提取板块下所有li标签，自动忽略中间div的隔断
    all_li = filtro.find_all("li")
    for item in all_li:
        content = item.text.strip()
        # 校验前四位为数字，过滤掉板块内非年份的列表项（如脚注、功能入口）
        if len(content)>=4 and content[:4].isdigit():
            year_list.append(content[:4])
else:
    print("页面响应错误，状态码：", wikipedia2.status_code)

print(year_list)

• 异常分支变量名笔误：原代码请求失败时打印的wikipedia.status_code对应变量不存在，实际定义的响应对象变量名为wikipedia2
• 缺少导入语句：原代码没有导入BeautifulSoup类，直接调用soup()会触发命名错误
• 缺少内容校验：直接截取文本前4位可能拿到非年份的无效内容，增加数字校验可以保证提取结果的准确性

内容的提问来源于stack exchange，提问作者ildanix