如何使用Python实现嵌套HTML列表的解析转换

你原有代码的问题是find_all('li')会递归匹配所有层级的<li>标签，无法区分嵌套深度，自然没法生成对应数量的加号前缀。你可以用递归函数逐层处理<ul>标签，每深入一层嵌套就把层级计数加1，对应加号的数量和层级数保持一致即可。

完整可运行代码如下：

import bs4

def parse_list(ul_node, level=1):
    res = []
    # 只遍历当前ul的直接子节点，不递归深层节点
    for child in ul_node.children:
        if not isinstance(child, bs4.element.Tag):
            continue
        if child.name == "li":
            res.append(f"{'+'*level} {child.get_text(strip=True)}")
        elif child.name == "ul":
            # 嵌套ul，层级+1递归处理
            res.extend(parse_list(child, level+1))
    return res

# 你的HTML代码存储在变量x中
soup = bs4.BeautifulSoup(x, "html.parser")
root_ul = soup.find("ul")
output = "\n".join(parse_list(root_ul))
print(output)

运行上述代码输出的结果和你要求的预期效果完全一致。

内容的提问来源于stack exchange，提问作者erkor