Python处理HTML

python初学者在这里受到折磨，需要一些帮助：-(

这里我已经切割了我需要处理的主体，其中一个输出如下所示：

<div class="article"><h5>1. <a href="https://www.theguardian.com/uk-news/2020/jan/01/lets-resolve-to-reconnect-says-welby-in-new-year-message" target="_blank">Let's resolve to reconnect, says Welby in new year message</a></h5>
<p class="metadata">Wed 1 Jan 2020 00:01 GMT</p>
<p class="metadata">Category: <span>UK-News</span></p>
<p class="snippet">The archbishop of Canterbury will urge people to make personal connections with others in 2020 to create a new unity in a divided society. In his new …</p></div>

1。
2020年1月1日星期三00:01 GMT
类别：英国新闻
坎特伯雷大主教将敦促人们在2020年与他人建立个人关系，在一个分裂的社会中建立新的团结。在他的新的

这里我的问题是如何获得：
（1） “标题”介于，标记
（2） 位于

后面的“Category”（这里有两个

s，不需要一个带时间的）
（3） “Snippet”位于

Thx的帮助提前，我觉得如果我知道如何处理这个例子，我可以处理很多

from urllib.request import urlopen
from bs4 import BeautifulSoup
from pprint import pprint as pp


def main(url):
    r = urlopen(url).read()
    soup = BeautifulSoup(r, 'lxml')
    goal = [(x.a.text, x.select("p")[1].text.split(' ', 1)[1], x.select_one('p.snippet').text)
            for x in soup.select('.article')]
    pp(goal)


main('http://mlg.ucd.ie/modules/COMP41680/assignment2/month-jan-001.html')

输出：

[（“Welby在新年致辞中说，让我们决定重新连接”，
"英国新闻",，
“坎特伯雷大主教将敦促人们建立个人关系”
“与其他人在2020年在一个分裂的社会中建立新的团结。在他的新的”
'…'),
（“老实说，你不会在假期里读所有的书，是吗？”
“你呢？”，
“书”，
“每年，大约在这个时候，我的Instagram提要上都会出现
“书。它们有时堆在5到10英寸高的地方”
"圣…"),，
（“玛丽亚·凯莉的推特账户在除夕夜被黑客入侵”，
"音乐",，
“玛丽亚·凯莉的推特账户似乎在周二晚些时候遭到黑客攻击”
“下午，与歌唱家分享了许多种族主义的诽谤和评论”
'21.4 …'),
（《欢乐审计：2020年如何享受更多乐趣》，
"生活与风格",，
“我最后一次感到高兴是在一个许多人都能看到的活动上”
“地狱之夜：一个酒醉的泰勒·斯威夫特俱乐部之夜，在午夜的早些时候”
'…'),
（《保罗·莱伊评论失去普罗维登斯——奥利弗·克伦威尔的兴衰》
“保护国”，
“书”，
“对英国国家元首的唯一公开处决发生在371年前”
“1649年1月30日，在白厅的宴会厅外，那是一座皇家教堂”
'…'),
（“2019年英国零碳电力超过化石燃料”，
“生意”，
总结：零碳能源成为英国年最大的电力来源
2019年，提供全国近一半的电力和
“第一次……”，
（《最后的冲刺：民主党候选人会让选民兴奋吗？》，
"美国新闻",，
“民主党人压倒性地同意，他们在2020年的首要任务是撤军”
唐纳德·特朗普卸任。但在众多竞选总统的民主党人中，哪一位呢
'…'),
（《战争史诗、飞行员和年轻女高音：2020年的基本电影》，
"电影",，
“1917年，这部壮观的影片讲述了一部贫瘠的伊恩史诗”
导演兼合著者萨姆·门德斯（Sam Mendes），他为h
'…'),
（《储存现金：储蓄入门指南》），
"生活与风格",，
“就像跑步或吃蔬菜一样，节省现金”
“长期利益，但并不总是有吸引力。而且，让我们面对现实吧，这是有吸引力的。”
"啊"),，
（《我在寻找幽默和希望》：作家们会读些什么？”
'2020?',
“书”，
“马特·黑格，今年我的阅读习惯一直很阴暗”
“这一年，也许与社会情绪相一致。就像一头猪在嗅气味一样”
“松露，我…），
（‘二十名运动员将点亮2020年东京奥运会’，
“运动”，
“迪娜·阿舍·史密斯英国田径队，100米、200米、4x100米赛博·科，谁”
阿舍·史密斯认为，他对赢得奥运会冠军略知一二
"威尔"),，
（“2020年最激动人心的电影——恐怖片”，
"电影",，
《怨恨》日本经典剧集《儒安》迟来的英语重播
《怨恨》（2002），由安德里亚·里斯伯勒和德米安·比希尔担任侦探
'…'),
（《金永霞评论杀人日记——来自韩国的黑暗故事》），
“书”，
“鉴于记忆丧失已成为小说中常见的手法
“精神病患者是如此受欢迎的角色原型，我们不应该太惊讶”
'…'),
（“美国选举、英国脱欧和中国将在2020年左右市场”，
“生意”，
“在2019年从强劲的市场中获利后，投资者预计2020年”
“带来资产价格进一步上涨和活跃的并购活动。但是”
“英国脱欧，……”，
（《艾略特写给红颜知己的密信》60年后揭晓），
“书”，
“收集了诺贝尔奖获得者艾略特·托的1000多封信”
“他的知己兼缪斯女神艾米丽·黑尔本周亮相，她是在拥有蜜蜂之后”
'…'),
（“克莱夫·刘易斯呼吁工党领袖候选人团结一致”，
"政治",，
总结：工党领袖候选人克莱夫·刘易斯呼吁团结一致
“在即将接替杰里米·科尔宾（Jeremy Corbyn）的候选人中
""悬崖面"),，
（“签证申请：内政部拒绝透露‘高风险’国家”，
"英国新闻",，
总结：竞选团体在内政部拒绝后批评了内政部
“公布算法中哪些国家被视为“风险”的详细信息”
“那个过滤器…），
（“奈萨里车祸的受害者是英国航空公司的乘务员”，
"英国新闻",，
“全英国至少有7人在道路交通中丧生”
“新年期间的碰撞。死亡人数包括三名英国人”
"香港航空公司",，
（“在房子里发现尸体后，这名男子因涉嫌双重谋杀而被拘留”，
"英国新闻",，
“警方逮捕了一名涉嫌在一所房子里谋杀两人的男子”
“在德比郡的杜菲尔德村。谋杀案的调查是劳恩”
'…'),
（《远大前程》：“追求完美已经蚕食了我的身份认同”，
"生活与风格",，
“你需要练习自我同情，”我的心理学家对我说
“我们的第六节课和往常一样，他正在努力寻找一个短语，一个po”
'…'),
(
from urllib.request import urlopen
from bs4 import BeautifulSoup
from pprint import pprint as pp


def main(url):
    r = urlopen(url).read()
    soup = BeautifulSoup(r, 'lxml')
    goal = [(x.a.text, x.select("p")[1].text.split(' ', 1)[1], x.select_one('p.snippet').text)
            for x in soup.select('.article')]
    pp(goal)


main('http://mlg.ucd.ie/modules/COMP41680/assignment2/month-jan-001.html')