html 正则获取标题,正则表达式匹配HTML中标题后面的项

一个相当简单的正则表达式提取让我很困惑。在SO上找不到类似的问题，如果存在的话，很高兴能被指出来。给定以下HTML：

Title One

40.531.3

Title Two

12.182.0

(在一个较大的文档中-摘要很可能跨越多行)

如何构造一个正则表达式来查找a标记中的文本，即H1后面的第一个p中的文本？正则表达式将进入一个循环，这样我就可以传入头，以便检索后面的项。在

]*>([0-9.]+?)显然匹配一个标记中的所有项(这应该很好，因为标记不能被nexted)，但是我不能将它们绑定到H1。在

.+Title One.+]*>([0-9.]+?)

失败。在

我曾试着用“回头看”这样说：

(?<=Title One.+)]*>([0-9.]+?)

和一些变体，但它只允许固定宽度的匹配(这里不会这样)。在

对于上下文，这将使用Python的regex引擎。我知道regex不一定是最好的解决方案，所以使用DOM或其他东西的替代建议也非常感谢：)

更新

为了澄清上述问题，我想收回以下内容：

{"Title One": ["40.5", "31.3"], "Title Two": ["12.1", "82.0"]}

(这并不是说我需要帮助来编写字典，但它确实说明了我如何需要值与标题相关)。在

到目前为止，美妆素看起来是最好的选择。LXML也可能会工作，因为源HTML并不是真正的标签汤-它的结构相当好，至少在我感兴趣的地方是这样。在