使用BeautifulSoup解析<ol>元素 按演出set分组曲目生成JSON

setlist.fm的演出分段标识存放在class="setlistList"容器的直接子<li>节点中：带class="setLabel"的节点为段落标题（如Set 1、Encore），两个相邻段落标题之间带class="songLabel"的<a>标签，对应该段落下的所有曲目。

核心实现逻辑 #

• 保留原有全量songs列表的提取逻辑，同时新增分段存储字典
• 按DOM顺序遍历setlistList下的直接子节点，自动识别段落标识
• 识别到新段落标识时，自动生成标准化的JSON键名（set1/set2/encore），初始化对应空列表
• 识别到曲目节点时，同时将曲目名追加到全量歌曲列表和当前激活的分段列表中
• 遍历完成后将分段结果合并到最终输出的JSON结构中

修改后的代码 #

替换原有代码中songs提取及data组装部分即可：

def getConcertData(i, url, concerts):
    try:
        soup = getSoup(url)
        dateBlock = soup.find_all("div", {"class": "dateBlock"})[0]
        infoContainer = soup.find_all("div", {"class": "infoContainer"})[0]
        headLineDiv = infoContainer.find_all("div", {"class": "setlistHeadline"})[0]
        setlistDiv = soup.find_all("div", {"class": "setlistList"})[0]

        # 此处保留原有日期、艺人、场地、巡演信息的提取逻辑
        songs = []
        set_segments = {}
        current_segment = None
        set_index = 1

        # 仅遍历setlist容器下的直接子li节点，避免嵌套元素干扰顺序
        for li in setlistDiv.find_all("li", recursive=False):
            # 匹配段落标识节点
            segment_label = li.find("span", class_="setLabel")
            if segment_label:
                label_content = segment_label.get_text(strip=True).lower()
                if "set" in label_content:
                    current_segment = f"set{set_index}"
                    set_index += 1
                elif "encore" in label_content:
                    current_segment = "encore"
                set_segments[current_segment] = []
                continue
            
            # 匹配曲目节点
            song_tag = li.find("a", class_="songLabel")
            if song_tag and current_segment:
                song_name = song_tag.get_text(strip=True)
                songs.append(song_name)
                set_segments[current_segment].append(song_name)
        
        print(str(year)+"."+str(month).zfill(2)+"."+str(day).zfill(2)+": "+venue)
        
        data = dict()
        data["artist"] = artist
        data["year"] = year
        data["month"] = month
        data["day"] = day
        data["venue"] = venue
        data["tour"] = tour
        data["songs"] = songs
        # 合并分段曲目数据
        data.update(set_segments)
        
        concerts[i] = data

适配说明 #

• 代码默认兼容无明确段落标识的演出场景，第一个识别到的曲目会自动归入set1
• 若站点段落标识文案有调整，可修改label_content的关键词匹配规则适配
• 输出结构完全匹配目标JSON格式，同时保留了原有全量曲目字段

内容的提问来源于stack exchange，提问作者thrownsos