如何在Python中为HTML文本生成目录？

Question

假设我有一些HTML代码，像这样（可能是从Markdown或Textile等生成的）：

<h1>A header</h1>
<p>Foo</p>
<h2>Another header</h2>
<p>More content</p>
<h2>Different header</h2>
<h1>Another toplevel header
<!-- and so on -->

我该如何用Python为它生成一个目录呢？

Answer 1

这里有一个使用lxml和xpath的例子。

from lxml import etree
doc = etree.parse("test.xml")
for node in doc.xpath('//h1|//h2|//h3|//h4|//h5'):
    print node.tag, node.text

Answer 2

可以使用一些HTML解析器，比如lxml或者BeautifulSoup，来找到所有的标题元素。