Saya cuba menggunakan BeautifulSoup untuk mengekstrak maklumat daripada blok html berstruktur tidak seragam. Saya sedang mencari cara untuk menggabungkan blok teks antara tag dalam output carian/penapis. Contohnya, daripada html:

 Description Section1 
 
line1
 
line2
 
line3
 
 Section2 Content2 

Saya ingin membuat senarai output yang mengabaikan jenis teg tertentu (ul和li），但捕获顶级未标记文本。我发现的最接近的是.select(':not(ul,li)')或.find_all(['strong'])dalam contoh di atas, tetapi kedua-duanya tidak boleh menangkap kedua-dua teks peringkat atas yang tidak berteg dan pelbagai teg sasaran. Gelagat yang ideal adalah seperti ini:

.find_all(['strong','UNTAGGED'])

menghasilkan output berikut:

[ Description, Section1, Section2, Content2 ]