使用正则表达式提取10K年度报表的一部分

Question

我已经挣扎了几个星期了。我正在尝试为公司提供10K年度报表。我已经从SEC的FTP服务器下载了该文件，这就是10K的样子。它是一个HTML文件。所以我编写了以下代码将其转换为文本：

actvtxt=open("C:\\Users\\Downloads\\10Ks\\AbraxasPetroleum10K.txt",'r')  
txt=actvtxt.readlines()
ind=txt.index('<DOCUMENT>\n')
txt=txt[ind:]
x=(str.join('\n',map(str,txt)))
soup=BeautifulSoup(x.encode('utf-8'))
for script in soup(["script", "style"]):
script.extract()    
text = soup.get_text()
lines = (line.strip() for line in text.splitlines())
chunks = (phrase.strip() for line in lines for phrase in line.split("  "))
text = '\n'.join(chunk for chunk in chunks if chunk)

获取文本后，我需要提取

的文本

  

＆n;项目7：管理层对财务状况和经营业绩的讨论和分析＆＃39;。

此链接可让您了解我所谈论的内容：actual 10K

我尝试了以下代码：

substr=re.search(r'The following is a discussion of our consolidated financial condition(\s+|\w+|[#!\"#$%&\'()*+,-./:;<=>?@^_`{|}]){1,}',text)
substr.group(0)

但这只是给了我段落的开头：

     u'The following is a discussion of our consolidated financial condition, results of operations, liquidity and capital resources. This discussion excludes the operations of Blue Eagle, except our equity share of Blue Eagle'

非常感谢任何帮助。