使用 BeautifulSoup 提取值列表

Question

我目前正在尝试使用他们的RSS feed 自动解析 Ubuntu 的安全通知。我正在使用 feedparser，所以它工作得很好。我可以获得咨询的标题（feed.title）、相关链接（feed.link）等等。

我现在要做的是进一步解析输出，以便获取受影响的版本并将其存储以供进一步参考。

以下代码用于抓取提要并准备好进行解析。它还使用 BeautifulSoup 来解析 feed.summary，这似乎是包含我所追求的信息的“占位符”。

import feedparser
from bs4 import BeautifulSoup

ubuntu_url = 'https://usn.ubuntu.com/rss.xml'

feed = feedparser.parse(ubuntu_url)

for post in feed.entries:
    soup = BeautifulSoup(post.summary, 'html.parser')

如果我添加一个“print(soup.prettify())”，我可以在本节中看到我所追求的信息（这是包含其他几个列表元素的更大输出的一部分）：

<p>A security issue affects these releases of Ubuntu and its derivatives:</p>

<ul>
<li>Ubuntu 18.04 LTS</li>
<li>Ubuntu 17.10</li>
<li>Ubuntu 16.04 LTS</li>
<li>Ubuntu 14.04 LTS</li>
</ul>

这个列表当然会有不同的长度，从一个版本向上。正如这个不同的示例所示：

<p>A security issue affects these releases of Ubuntu and its derivatives:</p>

<ul>
<li>Ubuntu 18.04 LTS</li>
</ul>

我一直试图弄清楚如何使用 BeautifulSoup 来解析它，并且只在“安全问题影响 Ubuntu 及其衍生版本的这些版本：”标题之后获取“<ul> </ul>”部分中的条目。

我一直在查看文档以了解使用“find_all”功能的正确方法，但在这个阶段还没有设法解决这个难题。

有什么想法吗？

提前致谢。

Answer 1

使用段落文本

演示：

from bs4 import BeautifulSoup
s = """<p>A security issue affects these releases of Ubuntu and its derivatives:</p>
<ul>
<li>Ubuntu 18.04 LTS</li>
<li>Ubuntu 17.10</li>
<li>Ubuntu 16.04 LTS</li>
<li>Ubuntu 14.04 LTS</li>
</ul>"""

soup = BeautifulSoup(s, "html.parser")
p_tag = soup.find("p", text="A security issue affects these releases of Ubuntu and its derivatives:")
for li in p_tag.find_next_siblings("ul")[0].find_all("li"):
    print(li.text)

输出：

Ubuntu 18.04 LTS
Ubuntu 17.10
Ubuntu 16.04 LTS
Ubuntu 14.04 LTS

Answer 2

随便用

a = soup.findAll('li')
for b in a:
    print(b)