元素无类/ID时的网页数据抓取：如何将歌曲归入对应专辑对象

听起来你遇到的是网页爬取中很常见的「关联层级数据」问题——别慌，核心思路就是利用HTML的结构关系或者隐性标识把歌曲和专辑绑定起来，我给你分两种最常见的场景来拆解：

场景1：专辑是歌曲的父容器（最常见的HTML结构） #

如果你的HTML里，每个专辑的信息（名称等）和对应的歌曲列表都被同一个父容器包裹（比如一个<div class="album">里既包含专辑名，又包含该专辑的歌曲列表），那解决方案就非常直接：先遍历每个专辑容器，再在容器内部遍历歌曲，这样天然就能保证歌曲属于当前专辑。

举个Python + BeautifulSoup的示例：

from bs4 import BeautifulSoup

# 模拟你爬取到的页面HTML结构
html_content = """
<div class="album-container">
  <div class="album">
    <h3 class="album-title">夏日限定</h3>
    <ul class="track-list">
      <li class="track">海边的风</li>
      <li class="track">橘子汽水</li>
    </ul>
  </div>
  <div class="album">
    <h3 class="album-title">冬日恋歌</h3>
    <ul class="track-list">
      <li class="track">雪夜来信</li>
    </ul>
  </div>
</div>
"""

soup = BeautifulSoup(html_content, "html.parser")
target_objects = []

# 第一步：遍历所有专辑容器
for album_div in soup.find_all("div", class_="album"):
    # 1. 构建当前专辑的基础对象
    current_album = {
        "name": album_div.find("h3", class_="album-title").get_text(strip=True),
        "songs": []  # 预留歌曲列表位置
    }
    
    # 第二步：在当前专辑容器内，遍历所有歌曲
    for track_li in album_div.find_all("li", class_="track"):
        song_obj = {
            "name": track_li.get_text(strip=True)
            # 这里可以添加其他歌曲属性，比如时长、歌手等
        }
        # 将歌曲加入当前专辑的歌曲列表
        current_album["songs"].append(song_obj)
    
    # 第三步：把完整的专辑对象加入最终结果
    target_objects.append(current_album)

print(target_objects)

场景2：专辑与歌曲列表分离（无直接父容器关联） #

如果你的HTML结构是专辑列表和歌曲列表完全分开（比如页面上方是所有专辑的导航，下方是所有歌曲的列表），那就要找两者的关联标识——比如HTML元素上的data-*属性（如data-album-id）、或者它们在页面中的索引位置对应关系。

核心步骤是：先把所有专辑信息存入字典（用关联标识做键），再遍历歌曲时通过标识找到对应的专辑。示例如下：

from bs4 import BeautifulSoup

html_content = """
<div class="album-nav">
  <span class="album-item" data-album-id="101">夏日限定</span>
  <span class="album-item" data-album-id="102">冬日恋歌</span>
</div>
<div class="all-tracks">
  <div class="track-item" data-album-id="101">海边的风</div>
  <div class="track-item" data-album-id="101">橘子汽水</div>
  <div class="track-item" data-album-id="102">雪夜来信</div>
</div>
"""

soup = BeautifulSoup(html_content, "html.parser")

# 第一步：先构建专辑字典，用关联ID作为键
album_map = {}
for album_item in soup.find_all("span", class_="album-item"):
    album_id = album_item["data-album-id"]
    album_map[album_id] = {
        "id": album_id,
        "name": album_item.get_text(strip=True),
        "songs": []
    }

# 第二步：遍历所有歌曲，通过关联ID找到对应专辑
for track_item in soup.find_all("div", class_="track-item"):
    track_album_id = track_item["data-album-id"]
    song_obj = {
        "name": track_item.get_text(strip=True)
    }
    # 将歌曲加入对应专辑的列表
    album_map[track_album_id]["songs"].append(song_obj)

# 第三步：把字典转成最终的对象数组
target_objects = list(album_map.values())

print(target_objects)

核心总结 #

不管哪种场景，核心逻辑都是建立专辑与歌曲的「归属绑定」：

• 优先利用HTML的层级嵌套关系（父容器包裹），这是最可靠的方式；
• 如果层级关系不存在，就找页面中隐含的关联标识（自定义属性、位置索引等）来完成绑定。

如果你的HTML结构有特殊情况，可以把具体的结构片段贴出来，我再帮你调整方案~

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