python - bs4怎么匹配紧跟div后面的li标签

Question

from bs4 import BeautifulSoup
html='''
    <h1> A </h1>
    <p >AA </p>
    <li>a1</li>
    <li>a2</li>


    <h2> B </h2>
    <p >BB </p>
    <li > b1</li>
    <li > b2</li>
    <li > b3</li>

    <h3> C </h3>
    <p >CC</p>
    <li>   c1</li>
'''
soup=BeautifulSoup(html,'lxml',from_encoding='utf-8')

for p in soup.findAll('p'):
        print(p.text,end="")
        for dt in p.find_all_next("li"):
            print("\t",dt.text,end=",")
        print()

 期望输出  AA a1,a2
          BB b1,b2,b3
          CC c1
          

但是结果输出是
AA a1, a2, b1, b2, b3, c1,
BB b1, b2, b3, c1,
CC c1,

Answer 1

find_all_next()通过 .next_elements 属性对当前tag的之后的 tag和字符串进行迭代返回所有符合条件的节点
是直接迭代到底的不能这样用
用.next_siblings再加个判断吧

for p in soup.findAll('p'):
    print(p.text,end="")
    for dt in  p.find_next_siblings():
        if dt.name == 'li':
            print("\t",dt.text,end=",")
        else:
            break
    print()

Answer 2

其实可以不用 for 嵌套的，一个简单的if 判断就可以：

soup = BeautifulSoup(html)

tags = soup.body
for tag in tags:
    if tag.name == 'p':
        print('\n'+tag.string.strip(), end = ' ')
    elif tag.name == 'li' :
        print(tag.string.strip(), end = ', ')
    else:
        continue

结果：

AA a1, a2, 
BB b1, b2, b3, 
CC c1, 

这样效率上要高很多，毕竟这是个 n 复杂度的，而for嵌套则是 n^2 复杂度。