Python使用BeautifulSoup抓取h3/h4标签时缺失对应标签如何返回空值

你现有的实现逻辑是分别抓取所有<h3>和<h4>节点生成两个独立列表，再用zip_longest直接按索引对齐配对，完全没有考虑两类标签在页面中穿插出现的原始顺序，自然会出现配对错位的问题。

要按页面实际出现顺序配对，遵循以下逻辑即可：

• 一次性提取页面中所有<h3>和<h4>节点，保留原始先后顺序
• 遍历节点列表，每遇到一个<h4>就向后寻找第一个未被匹配的<h3>配对，找不到对应<h3>时填充空值
• 已配对的<h3>标记为已使用，不再参与后续配对

import requests
from bs4 import BeautifulSoup

url = requests.get('https://example.com')
soup = BeautifulSoup(url.text, 'lxml')

# 一次性提取所有h3、h4节点，保留页面原始顺序
all_nodes = soup.find_all(['h3', 'h4'])
result = []
used_h3 = set()

for i, node in enumerate(all_nodes):
    if node.name == 'h4':
        h4_text = node.text.strip()
        h3_text = ''
        # 向后查找第一个未被使用的h3
        for j in range(i+1, len(all_nodes)):
            next_node = all_nodes[j]
            if next_node.name == 'h3' and id(next_node) not in used_h3:
                h3_text = next_node.text.strip()
                used_h3.add(id(next_node))
                break
        result.append([h4_text, h3_text])

# 输出配对结果
for row in result:
    print(row)

对应你给出的示例页面结构，运行以上代码输出结果为：

['xxx', 'yyy'], ['sss', ''], ['zzz', 'ooo']

完全匹配预期结果。

内容的提问来源于stack exchange，提问作者user14878631