Beautifulsoup: получить имя класса для каждого слова

Question

Я пытаюсь создать функцию, которая скажет мне класс тега для каждого слова в тексте.

Мой HTML-то вроде этого:

<p> 
<span class="A">I am </span> 
<span class="B"><span class="C"> not </span> doing a great job </span> 
</p> 

Так что я хотел бы создать функцию, которая возвращает список:

[["I", A], ["am", A], ["not", C], ["doing", B], ["a", B], ["great", B], ["job", B]] 

Я пытался петли все пролеты с FindAll ('пядь ', recursive = False) и, проверяя для каждого пролета, если есть дети, но я всегда получаю парные. Например, я бы получил «отличную работу» и «не».

for p in p_tags: 
    my_tag_list = [] 
    spans = p.findAll("span", recursive=False) 
    for s in spans: 
    text = s.text.split() 
    for t in text: 
     my_tag = [] 
     my_tag.append(t) 
     my_tag.append(s["class"][0]) 

Я посмотрел на документацию, но я, кажется, не найти какой-либо метод, который получит мне текст и прямой пролет вокруг него.

Спасибо заранее за любую помощь, Сердечные приветы

Answer 1

Вы можете перебирать текстовые узлы через find_all(text=True), идут вверх по дереву и получить атрибут класс .parent:

from bs4 import BeautifulSoup 

data = """ 
<p> 
<span class="A">I am </span> 
<span class="B"><span class="C"> not </span> doing a great job </span> 
</p>""" 

soup = BeautifulSoup(data, "html.parser") 

result = [] 
for text in soup.p.find_all(text=True): 
    parent = text.parent 
    parent_class = parent["class"][0] if "class" in parent.attrs else "" 
    for word in text.split(): 
     result.append([word, parent_class]) 

print(result) 

Отпечатки:

[[u'I', u'A'], [u'am', u'A'], [u'not', u'C'], [u'doing', u'B'], 
[u'a', u'B'], [u'great', u'B'], [u'job', u'B']]