Comment générer une table des matières pour du texte HTML en Python?

Question

Supposons que j'ai un code HTML, comme celui-ci (générée à partir Markdown ou textile ou quelque chose):

<h1>A header</h1> 
<p>Foo</p> 
<h2>Another header</h2> 
<p>More content</p> 
<h2>Different header</h2> 
<h1>Another toplevel header 
<!-- and so on --> 

Comment pourrais-je générer une table des matières pour l'aide Python?

Answer 1

Utilisez un analyseur HTML tel que lxml ou BeautifulSoup pour rechercher tous les éléments d'en-tête.

Answer 2

Voici un exemple utilisant lxml et xpath.

from lxml import etree 
doc = etree.parse("test.xml") 
for node in doc.xpath('//h1|//h2|//h3|//h4|//h5'): 
    print node.tag, node.text