Python//Regex//标记

我试图从中间提取一些文本

</br></td>, <td class="first">TEXT_1a<br>TEXT_1b
                                </br></td>, <td class="first">TEXT_2a<br>TEXT_2b
                                </br></td>, <td class="first">TEXT_3a<br>TEXT_3b
                                </br></td>, <td class="first">TEXT_4a<br>TEXT_4b
                                </br></td>, <td class="first">TEXT_5a<br>TEXT_5b
                                </br></td>, <td class="first">TEXT_6a<br>TEXT_6b

，文本1a
文本1b

，文本2a
文本2b

，文本3a
文本3b

，文本4a
文本4b

，文本5a
文本5b

，TEXT_6a
TEXT_6b

我使用了BeautifulSoup（BS4）

text=first\u td.renderContents（）
trimmed_text=text.strip（）
打印修剪过的文本

---

提取文本。但是，我只获取

之后的第一个文本，以提取
td
标记中的所有文本

>>> s = '''<td class="first">TEXT_1a<br>TEXT_1b
                                </br></td>, <td class="first">TEXT_2a<br>TEXT_2b
                                </br></td>, <td class="first">TEXT_3a<br>TEXT_3b
                                </br></td>, <td class="first">TEXT_4a<br>TEXT_4b
                                </br></td>, <td class="first">TEXT_5a<br>TEXT_5b
                                </br></td>, <td class="first">TEXT_6a<br>TEXT_6b'''
>>> soup = BeautifulSoup(s)
>>> [i.text.strip() for i in soup.select('td.first')]
['TEXT_1aTEXT_1b', 'TEXT_2aTEXT_2b', 'TEXT_3aTEXT_3b', 'TEXT_4aTEXT_4b', 'TEXT_5aTEXT_5b', 'TEXT_6aTEXT_6b']

>>s=''文本1a
文本1b

，文本2a
文本2b

，文本3a
文本3b

，文本4a
文本4b

，文本5a
文本5b

，TEXT_6a
TEXT_6b''
>>>汤=美汤（s）
>>>[i.text.strip（）表示汤中的i.select（'td.first'）]
['TEXT_1a TEXT_1b'、'TEXT_2a TEXT_2b'、'TEXT_3a TEXT_3b'、'TEXT_4aTEXT_4b'、'TEXT_5aTEXT_5b'、'TEXT_6a TEXT_6b']
嘿，阿维纳什。这很有效，谢谢你。是否可以将文本_1b等放在另一个数组中？请尝试
[re.findall（r'（？）[^>好的。这似乎会在文本之间留出很大的间隙。是否可以只删除末尾的文本（文本_2b、文本_3b…等）？谢谢！