在递归函数中处理Python全局变量

Question

我写了一个程序，可以从HTML文件中提取文本。这个程序会递归地遍历HTML文档，并返回标签的列表。例如，

输入 < li >没有办法 < b > 你 < /b > 这样做 < /li >

输出 ['没有','办法','你','这样做'...]。

下面是一个非常简单的伪代码示例：

def get_leaves(node):
    kids=getchildren(node)
    for i in kids:
        if leafnode(i):
            get_leaves(i)
        else:
            a=process_leaf(i)
            list_of_leaves.append(a)

def calling_fn():
    list_of_leaves=[] #which is now in global scope
    get_leaves(rootnode)
    print list_of_leaves    

现在我在调用函数中使用全局范围的 list_of_leaves。调用函数调用了这个变量，而 get_leaves() 则往这个变量里添加内容。

我的问题是，我该如何修改我的函数，以便能够像这样使用 list_of_leaves=get_leaves(rootnode)，也就是说不使用全局变量？

我不想让每次调用这个函数时都复制一份列表，因为这个列表可能会变得很大。

请不要批评这个伪代码的设计，因为我简化了它。它是为了另一个目的：使用 BeautifulSoup 提取带有相关标签的标记。

Answer 1

用一个好用的HTML解析工具，比如BeautifulSoup，别想着自己比现有的软件更聪明。

Answer 2

如果你把 get_leaves() 改成一个生成器，就不需要把一个累加器传给这个函数，也不需要通过全局变量来访问它。

def get_leaves(node):
    for child in getchildren(node):
        if leafnode(child):
            for each in get_leaves(child):
                yield each
        else:
            yield process_leaf(child)

def calling_fn():
    list_of_leaves = list(get_leaves(rootnode))
    print list_of_leaves

Answer 3

你可以把结果列表作为一个可选的参数传递。

def get_leaves(node, list_of_leaves=None):
    list_of_leaves = [] if list_of_leaves is None else list_of_leaves
    kids=getchildren(node)
    for i in kids:
        if leafnode(i):
            get_leaves(i, list_of_leaves)
        else:
            a=process_leaf(i)
            list_of_leaves.append(a)

def calling_fn():
    result = [] 
    get_leaves(rootnode, list_of_leaves=result)
    print result

在Python中，所有对象都是通过引用传递的。这一点之前已经讨论过了，具体可以查看这里。有些内置类型是不可变的，比如 int（整数）和 string（字符串），所以你不能直接修改它们（比如，当你把两个字符串拼接在一起并赋值给一个变量时，实际上是创建了一个新的字符串）。而可变类型的实例，比如 list（列表），是可以直接修改的。我们利用这一点，在递归调用中传递原始列表来累积结果。

如果你在实际应用中需要从HTML中提取文本，使用像 BeautifulSoup 或 lxml.html 这样的成熟库总是更好的选择（正如其他人所建议的那样）。