Как распарсить слабо формализованый текст?

Question

[Rozello]

Есть необходимость разобрать вот этот список препаратов с описаниями и списком синонимов препарата.
В результате хотелось бы увидеть json файл с сореджимым вроде этого:

Посредством dom, css селекторов и регулярок это сделать не получается (точнее получается, но лишь частично), потому как писать правила приходится для очень большого количества исключений в виде опечаток, вложенных скобок, вложенных списков с разным форматированием строк и т.д.

Comments

[sim3x]

Там разделитель : или тире
Вполне можно обойтись без тяжелой артиллерии

[Rozello]

sim3x, мне так тоже показалось на первый взгляд.
Но если попытаться написать полноценный парсер для этого списка можно обнаружить различные варианты записи которые трактовать однозначно не получается (как в пункте Танакан).
В пункте "Ноотропы" есть подпункты которые тоже нужно спарсить как синонимы к слову "Ноотропы". Также куча разных проблем встречается с другими пунктами, например пункт "Спреи с антибиотиками". Плюс к этому в тексте присутствуют опечатки и использование синонимов и других названий одного и того же препарата, например "Расторопша пятнистая" в тексте упоминается как "Растропша".

[sim3x]

Rozello, задача одноразовая - немного ручной работы не будет оверкилом
Парсите прямо в консоли

[Rozello]

sim3x, в том то и дело что задача многоразовая, в первую очередь это делается для автоматического обновления правок из списка.

[sim3x]

Rozello,
ML тут получится сделать, когда у вас будет размечена руками 10к+ страниц и будет поток для парсинга 100к+ страниц

Пока нет такого обьема - сделайте руками или наймите человека