Разбор HTML-элементов

Question

Я пытаюсь перенести веб-форум, где у меня нет контроля над базой данных и т. Д., И использую Scrapy, чтобы собирать фрагменты. Он основан на старом форуме phpBB 2.x. Это не очень хорошо структурировано, поэтому несколько проблем.

Теперь у меня есть строка HTML, где мне нужно удалить окружающие <td></td>, <span></span>и ссылка на отчет внизу

Начиная с:

<td colspan="2"><span class="postbody"></span>
    <table width="90%" cellspacing="1" cellpadding="3" border="0" align="center">
        <tr>
            <td><span class="genmed"><b>Some wrote :</b></span></td>
        </tr>
        <tr>
            <td class="quote">
                <table width="90%" cellspacing="1" cellpadding="3" border="0" align="center">
                    <tr>
                        <td><span class="genmed"><b>Another wrote:</b></span></td>
                    </tr>
                    <tr>
                        <td class="quote">Just for test
                            <a href="https://something.com">a link</a>
                        </td>
                    </tr>
                </table>
                <span class="postbody">
                    <br>

                    <br>
                    Test quote #1</span>
            </td>
        </tr>
    </table>
    <span class="postbody">
        <br>

        <br>
        Test quote #2<br>
        Another link: <a href="https://another.com">linktext</a><br>
        _________________<br>/ author
        <br>
        text<br>
        <div align="right">[ <a href="#" class="postlink" onclick="abuse('http://gt40.forum24.se/viewtopic.php?p=6537*6537&amp;forum=gt40');">Rapportera</a>
            ] </div>
    </span><span class="gensmall"></span>
</td>

Требуемый результат:

<table width="90%" cellspacing="1" cellpadding="3" border="0" align="center">
    <tr>
        <td><span class="genmed"><b>Some wrote :</b></span></td>
    </tr>
    <tr>
        <td class="quote">
            <table width="90%" cellspacing="1" cellpadding="3" border="0" align="center">
                <tr>
                    <td><span class="genmed"><b>Another wrote:</b></span></td>
                </tr>
                <tr>
                    <td class="quote">Just for test
                        <a href="https://something.com">a link</a>
                    </td>
                </tr>
            </table>
            <span class="postbody">
                <br>

                <br>
                Test quote #1</span>
        </td>
    </tr>
</table>
<br>

<br>
Test quote #2<br>
Another link: <a href="https://another.com">linktext</a><br>
_________________<br>/ author
<br>
text<br>

Какие-нибудь советы?

Answer 1

Почему бы просто не сделать

html = html.strip('<td colspan="2"><span class="postbody"></span>')

а также

html = html.strip('</td>').strip().strip('</span>')