Pythonがタグリストを持つHTML戻り単語を解析する

Question

私は、HTMLを解析してテキストを取り出し、各単語（または潜在的には各テキストスニペット）とともに表示されるタグのリストを返したいと思います。

(("Blah", "em"), 
("blah", "em"), 
("blah", "em"), 
("blah", ""), 
("again", ""), 
("and", "i"), 
("then", "i"), 
("again", "i")) 

か：：それは何か返します

<em>Blah blah blah</em> blah again <i>and then again</i> 

：このHTMLを与え例えば 、

(("Blah blah blah", "em"), 
    ("blah again", ""), 
    ("and then again", "i")) 

はのためのツールやそれを行うための簡単な方法はありますか？

おかげ

Answer 1

あなたはあなたがタグのスタックでループを作成することができます。この

>>> title = quote.css("span.text::text").extract_first() 
>>> title 
'“The world as we have created it is a process of our thinking. It cannot be changed without changing our thinking.”' 
>>> author = quote.css("small.author::text").extract_first() 
>>> author 
'Albert Einstein' 

Answer 2

ような何かを行うことができ、このhttps://scrapy.org/

例

<div class="quote"> 
    <span class="text">“The world as we have created it is a process of our 
    thinking. It cannot be changed without changing our thinking.”</span> 
    <span> 
     by <small class="author">Albert Einstein</small> 
     <a href="/author/Albert-Einstein">(about)</a> 
    </span> 
    <div class="tags"> 
     Tags: 
     <a class="tag" href="/tag/change/page/1/">change</a> 
     <a class="tag" href="/tag/deep-thoughts/page/1/">deep-thoughts</a> 
     <a class="tag" href="/tag/thinking/page/1/">thinking</a> 
     <a class="tag" href="/tag/world/page/1/">world</a> 
    </div> 
</div> 

のために使用することができますあなたがタグを取得するとスタックにプッシュします。通常の単語は、スタックと単語の最後の項目をタプルとしてリストに追加します。リストが空白の場合は、タプルのタグの代わりに空の文字列を使用し、終了タグを取得するとスタックの最後の項目をポップします。 （スタックでは、私はPythonのリストを使用して、アイテムを追加したり削除したりするためのプッシュ/ポップアップ機能を使用しています）