如何将HTML嵌套列表转换为Python列表

Question

我有这样一个Html列表：

lista = """
<ul>
<li>Arts &amp; Entertainment
    <ul>
      <li>Celebrities &amp; Entertainment News</li>
      <li>Comics &amp; Animation
        <ul>
        <li>Anime &amp; Manga</li>
        <li>Cartoons</li>
        <li>Comics</li>
        </ul>
      </li>
    </ul>
</li>
</ul>

"""

我想把它转换成一个对后续处理有用的Python结构：

你建议用什么结构？你会怎么做呢？

Answer 1

你可以使用映射类型：字典

Answer 2

使用BeautifulSoup，我会这样做：

from BeautifulSoup import BeautifulSoup
from pprint import pprint

def parseList(tag):
    if tag.name == 'ul':
        return [parseList(item)
                for item in tag.findAll('li', recursive=False)]
    elif tag.name == 'li':
        if tag.ul is None:
            return tag.text
        else:
            return (tag.contents[0].string.strip(), parseList(tag.ul))

soup = BeautifulSoup(lista)
pprint(parseList(soup.ul))

示例输出：

[(u'Arts & Entertainment',
  [u'Celebrities & Entertainment News',
   (u'Comics & Animation',
    [u'Anime & Manga', u'Cartoons', u'Comics'])])]

注意，对于包含无序列表的列表项，会返回一个元组。这个元组的第一个元素是列表项中的字符串，第二个元素是一个包含无序列表内容的列表。