如何在<p>不使用 Python 中的 lxml 的情况下<br/>获取文本？

Question

这是HTML:

<div class="body">
    <p>this is the<br />
    text that i want to<br />
    .<br />
    .<br />
    get from html file<br />
    .<br />
    .</p>
    <div class="sender">someone</div>
</div>

我只想要<p>标签中的文本，里面没有<br/>标签。我还需要行之间的句点
我使用的是lxml，我的代码如下：
jokes = tree.xpath("//div[contains(@class,'body')]/p/text()")
它将列表中的每一行作为一个项目返回。但我需要所有<p>标签的文本作为列表中的一项
有没有办法将没有br标签的整个p标签作为一个项目添加到列表中？
类似这样的东西：

this is the
text that i want to
.
.
get from html file
.
.

当我通过以下代码将列表保存到文件中时：

with open('c:\f.txt','w') as f:
for l in jokes:
    f.write(l+'**************')

这就是我在文件中看到的：

this is the************
    text that i want to************
    .************
    .************
    get from html file************
    .************
    .************

Answer 1

根据刮取的范围，可能会过度使用，但请尝试BeautifulSoup

HTML = """"<div class="body">
    <p>this is the<br />
    text that i want to<br />
    .<br />
    .<br />
    get from html file<br />
    .<br />
    .</p>
    <div class="sender">someone</div>
</div>
"""
soup = BeautifulSoup(HTML)
print soup.p.get_text()

Answer 2

@皮特说得对，美丽汤会在这里有所帮助。就其价值而言，您还可以使用以下功能剥离标签：

def stripTags(in_text):
            # convert in_text to a mutable object (e.g. list)
            s_list = list(in_text)
            i,j = 0,0
            while i < len(s_list):
                    # iterate until a left-angle bracket is found
                    if s_list[i] == '<':
                            while s_list[i] != '>':
                                    # pop everything from the the left-angle bracket until the right-angle bracket
                                    s_list.pop(i)   
                            # pops the right-angle bracket, too
                            s_list.pop(i)
                    else:
                            i=i+1       
            # convert the list back into text
            join_char=''
            return join_char.join(s_list)