使用BeautifulSoup遍历ol标签所有子元素并保持顺序的方法

HTML规范明确要求，<ol>有序列表的合法直接子元素仅支持<li>列表项、<script>、<template>这类标签，不允许直接嵌套<div>。你用的HTML解析器默认会对不符合规范的DOM做容错修正，自动把夹在两个<li>中间的<div>移出<ol>的子节点层级，挪到<ol>标签外面，所以遍历ol的子元素时拿不到这个div。

• 方案1（推荐）：修正HTML结构
  把<div>放到对应的<li>标签内部，写出符合规范的HTML，从根源上避免解析器自动修改结构，也能保证所有浏览器、解析器的渲染结果一致。
  合法结构示例：

  <ol>
    <li>...</li>
    <li>
      <div>...</div>
    </li>
    <li>...</li>
  </ol>
  

• 方案2：更换解析器保留原始结构
  如果你没法修改原始HTML，可以把解析器换成html5lib，这个解析器会最大程度保留原始HTML的节点位置，不会随便挪动不符合规范的节点。
  初始化代码示例（需要先执行pip install html5lib安装依赖）：

  from bs4 import BeautifulSoup
  doc = BeautifulSoup(原始HTML字符串, 'html5lib')
  

  换完解析器后，原有遍历代码就能按顺序拿到<ol>下的所有子元素，包括中间的<div>。遍历时建议加节点判断，过滤掉代码缩进、换行生成的空白文本节点，避免输出无意义空内容：

  for e in doc.find('ol').children:
      if e.name:  # 跳过空白文本节点
          print(e.text)
  

内容的提问来源于stack exchange，提问作者Sven