Избавиться от тегов

[Ципихович Эндрю]

здравствуйте, от тегов избавляюсь таким образом:

with open(patch_doc + file, 'r', encoding='utf-8') as f_in:  # исходные документы htm
            soup = BeautifulSoup(f_in.read(), 'html.parser')
            txt = soup.get_text().strip()

но строку хтмл

<td style="padding-left: 3pt;padding-right: 3pt;padding-top: 5pt;padding-bottom: 5pt;min-height: 12pt; border-left: none; border-right: none; border-top: none; border-bottom: none; " valign="top" align="left"><div class="s0 aC bG">Боковой ветер</div></td><td style="padding-left: 3pt;padding-right: 3pt;padding-top: 5pt;padding-bottom: 5pt;min-height: 12pt; border-left: none; border-right: none; border-top: none; border-bottom: none; " valign="top" align="left"><div class="s0 aC bG">Низколетящие самолеты</div></td><td style="padding-left: 3pt;padding-right: 3pt;padding-top: 5pt;padding-bottom: 5pt;min-height: 12pt; border-left: none; border-right: none; border-top: none; border-bottom: none; " valign="top" align="left"><div class="s0 aC bG">Тоннель</div></td></tr>

которую питон после обработки сделал: Боковой ветерНизколетящие самолетыТоннель
что НЕ есть хорошо, как это поправил на:

with open(patch_doc + file, 'r', encoding='utf-8') as f_in:  # исходные документы htm
    soup = BeautifulSoup(f_in.read(), 'html.parser')
    # чтобы НЕ были объединены: Боковой ветерНизколетящие самолетыТоннель
    for tag in soup.find_all('td'):
        tag.string = tag.text
    txt = soup.get_text().strip()

не помогло, как подправить НЕ регулярками?

[p51x]

Сообщение от Ципихович Эндрю

не помогло

Так вы тоже самое написали. txt надо было в цикл и делать + \n

Сообщение от Ципихович Эндрю

как подправить НЕ регулярками?

soup.get_text("\n", strip=True)

[Ципихович Эндрю]

это называется одно лечим-другое калечим
поэтому не в этой теме, а ранее как-то спрашивал
вручную делаю
1 выделил .htm файл
2 открыл браузером
3 выделил всё
4 скопировал и поместил в переменную
профит - как такое сделать питоном?
а так как говорю одно лечим-другое калечим - и это Не только у меня, пруд пруди подобных вопросов\тем\топиков в сети........

[p51x]

Вы же делали soup.get_text()

[Ципихович Эндрю]

import os
os.startfile(patch_doc)

далее нужно всё выделить и взять выделенное в переменную и как это сделать НЕ видимо для пользователя, мне нужно без bs4 в нём есть недочёты из предлагаемых вариантов решения, а если учесть, что ещё и файл будет менять то тем паче......
как это сделать?

[Ципихович Эндрю]

а вот и картинка, это вид в браузере

[Ципихович Эндрю]

with open(patch_doc + file, 'r', encoding='utf-8') as f_in:  # исходные документы htm
    soup = BeautifulSoup(f_in.read(), 'html.parser')
    txt = soup.get_text().strip()
    # txt = soup.get_text("\n", strip=True)

тогда считает как:
1.291.301.31
Боковой ветерНизколетящие самолетыТоннель
Плохо!!!
Если в коде будет:

with open(patch_doc + file, 'r', encoding='utf-8') as f_in:  # исходные документы htm
    soup = BeautifulSoup(f_in.read(), 'html.parser')
    # txt = soup.get_text().strip()
    txt = soup.get_text("\n", strip=True)

тогда множество строк вида:
(в ред.
Постановления
Правительства РФ от 14.12.2005 N 767)
будут разделены на три части - плохо!!!!
это происходит в файле: 5. ГОСТ Р 52289-2019_01.04.2020.htm
как же выбрать золотую середину, чтобы было хорошо?
хотел приложить файл, увы, сообщение:
5. ГОСТ Р 52289-2019_01.04.2020.htm:
Некорректный файл