从列表中提取由html标记包围的字符串？

Question

我使用BeautifulSoup来解析网站并存储内容。它采用以下形式：

records = [[[<p>data_1_1</p>], [<p>data_1_2</p>],[], [<li>data_1_3</li>]],
           [[<p>data_2_1</p>], [<p>data_2_2</p>], [], [<li>data_2_3</li>]]]

我无法做到这一点：

records = [["data_1_1", "data_1_2", "data_1_3"],
           ["data_2_1", "data_2_2", "data_2_3"]]

我尝试了列表推导：

text_records = [sum(record, []) for record in records]

但该文字仍包含在<p>或<li>标记中。

text_records = [item.string for item in sum(record, []) for record in records]

从标签中取出文本，但是这会给出一个大的列表，重复多次相同的值。

我知道python中的列表推导有很多，我已经搜索过了，但我找不到任何可以帮助解决这种情况。

Answer 1

编辑 - 即使对于多个项目也是如此：

[sum([v.string for v in [item for item in record if item]], []) for record in records]

添加总和将确保每个记录的所有列表合并为一个。

原件：

只要您始终只有一个项目的内部列表，这应该可以正常工作：

[[item[0].string for item in row if item] for row in records]

这将遍历每条记录，确保记录与if语句一起存在，然后将列表的第一个元素以其字符串格式附加到新记录中。

Answer 2

这将完成工作就好了（虽然这很多for循环很烦人，欢迎任何建议）。

records1 = [BeautifulSoup(k).text for i in records for j in i for k in j]