Как найти подстроку в строке между символами?

Question

[Mykyta_M]

Здравствуйте!
Подскажите, пожалуйста, как найти все подстроки между известными подстроками (тегами в HTML)? Необходимо получить первых и последних два вхождения (включительно с тегами).
Вот пример:

<br/>Lorem Ipsum is simply dummy text of the printing and typesetting industry. <br/>Lorem Ipsum has been the industry's standard dummy text ever since the 1500s, when an unknown printer took a galley of type and scrambled it to make a type specimen book. <br/><br/>It has survived not only five centuries, but also the leap into electronic typesetting, remaining essentially unchanged.<br/> It was popularised in the 1960s with the release of Letraset sheets containing Lorem Ipsum passages, and more recently with desktop publishing software like Aldus PageMaker <br/>including versions of Lorem Ipsum.<br/>Contrary to popular belief, Lorem Ipsum is not simply random text.<br/><br/> It has roots in a piece of classical Latin literature from 45 BC, making it over 2000 years old. Richard McClintock, a Latin professor at Hampden-Sydney College in Virginia, looked up one of the more obscure Latin words, consectetur, from a Lorem Ipsum passage, and going through the cites of the word in classical literature, discovered the undoubtable source.<br/><br/> Lorem Ipsum comes from sections 1.10.32 and 1.10.33 of "de Finibus Bonorum et Malorum" (The Extremes of Good and Evil) by Cicero, written in 45 BC. This book is a treatise on the theory of ethics, very popular during the Renaissance. <br/><br/>The first line of Lorem Ipsum, "Lorem ipsum dolor sit amet..", comes from a line in section 1.10.32.<br/>

Если идет два тега
подряд, то их учитывать не стоит. Подскажите, пожалуйста, как составить регулярное выражение?

Answer 1

[DevMan]

используйте dom-парсер и xslt. для разбора html - это намного проще регулярок.

Comments

[Mykyta_M]

Спасибо, а не подскажите, как это сделать правильно? Сейчас пытаюсь через BS и lxml, но пока не выходит

[DevMan]

Mykyta_M, фигасе, у мну ошибочка в ответе: не xslt, а xpath.

мне не совсем понятно, что из этой строки надо выбрать.

[Mykyta_M]

Нужно получить список с текстом (можно обрамленный br) между тегами, чтобы потом по номеру уже использовать.
Так как br не парный тег, то для:

f = open("filename.html","r")
bsobj = BeautifulSoup(f, 'lxml')
bsobj.find("br").text#как и find_all

выдает пустую строку или я что-то делаю не правильно.

[DevMan]

Mykyta_M, https://ideone.com/iVFwj7
если я правильно понял.

[Mykyta_M]

Спасибо большое! Завтра проверю, но выглядит, как то, что мне нужно!

[DevMan]

Mykyta_M, и?

[Mykyta_M]

DevMan, Только пришел домой, сейчас буду проверять.

[Mykyta_M]

DevMan, Спасибо, работает. Немного странный вывод, придется обрабатывать потом, но это уже не такая проблема, с этим справлюсь.
Еще раз большое спасибо!

[DevMan]

Mykyta_M, пожалуйста)