Python 如何提取标记之间的所有文本？

我想从中摘录一首随意的诗

使用BeautifulSoup，我能够找到标题和散文

print soup.find('div', class_="pre_poem").text
print soup.find('table', class_="poem").text

但我想找到所有的诗，挑一首。 我应该使用正则表达式并匹配所有

---

和

？

假设您已经有一个合适的

汤

对象可以使用，以下内容可能会帮助您开始：

poem_ids = []

for section in soup.find_all('ol', class_="TOC"):
    poem_ids.extend(li.find('a').get('href') for li in section.find_all('li'))

poem_ids = [id[1:] for id in poem_ids[:-1] if id]
poem_id = random.choice(poem_ids)

poem_start = soup.find('a', id=poem_id)
poem = poem_start.find_next()
poem_text = []

while True:
    poem = poem.next_element

    if poem.name == 'h3':
        break

    if poem.name == None:
        poem_text.append(poem.string)

print '\n'.join(poem_text).replace('\n\n\n', '\n')

这首先从页面顶部的目录中提取诗歌列表。这些包含每首诗的唯一ID。接下来，选择一个随机ID，然后根据该ID提取匹配的诗歌

例如，如果选择了第一首诗，您将看到以下输出：

“箭与歌”由朗费罗（1807-1802）创作，排在第一位
这本书是出于对一个六岁的小女孩的尊重
我很乐意背诵给我听。她知道很多诗，但这是她的
最喜欢的
我向空中射出一支箭，
它掉到了地上，我不知道在哪里；
因为它飞得如此之快，这景象
无法跟随它飞行。
我向空中吹了一首歌，
它掉到了地上，我不知道在哪里；
谁的视力如此敏锐和强壮
它能跟随歌曲的飞行吗？
很久很久以后，在一棵橡树里
我发现那支箭还没有折断；
这首歌从头到尾，
我又在一个朋友的心里找到了。
亨利·W·朗费罗。

这是通过使用BeautifulSoup从每个元素中提取所有文本，直到找到下一个

标记，然后删除任何额外的换行符来完成的。

请改用。就意外后果而言，这更安全

所有程序员都不鼓励使用正则表达式解析HTML的原因是，页面的HTML标记不是静态的，尤其是当您的源HTML是网页时。正则表达式更适合于字符串

---

使用正则表达式的风险自负。

也许

find_all（）

？您知道这个项目吗：？永远不要用正则表达式解析HTML。页面不是静态的论点实际上适用于您无法控制的任何数据解析。我想说一个更有力的论点是被解析的数据是不规则的。同意你的观点+我想听听你的意见