html提取标题,用lxm提取两个HTML标题之间的所有文本

我试图用Python中的lxml解析HTML页面。在

在HTML中有以下结构：

Title

Some text with other tags.

More text.

More text[2].

Title[2]

Description.

Title[3]

Description[1].

Description[2].

***

and so on...

***

我需要将此HTML解析为以下JSON：

^{pr2}$

我可以读取所有带有标题的h5标记，并使用以下代码将它们写入JSON：array = []

for title in tree.xpath('//h5/text()'):

data = {

"title" : title,

"text" : ""

}

array.append(data)

with io.open('data.json', 'w', encoding='utf8') as outfile:

str_ = json.dumps(array,

indent=4, sort_keys=True,

separators=(',', ' : '), ensure_ascii=False)

outfile.write(to_unicode(str_))

问题是，我不知道如何读取

标题之间的所有段落内容，并将它们放入textJSON字段中。在