Регулярные выражения | Удалить слова на нескольких строках перед заданным словом

Question

Я очистил несколько статей с веб-сайта, и теперь я пытаюсь сделать корпус более удобочитаемым, удалив первую часть из текста, скреблированного. Интервал, в который он должен быть удален, находится в теге <p>Advertisement и окончательном теге </time> перед началом статьи. Как вы можете видеть, регулярное выражение должно удалять несколько слов на нескольких строках. Я пробовал с помощью последовательности DOTALL, но это было неудачно.

Это моя первая попытка:

import re 

text=''' 
<p>Advertisement</p>, <p class="byline-dateline"><span class="byline"itemprop="author creator" itemscope="" itemtype="http://schema.org/Person">By <span class="byline-author" 
data-byline-name="MILAN SCHREUER" itemprop="name">MILAN SCHREUER</span> and </span><span class="byline" 
itemid="http://topics.nytimes.com/top/reference/timestopics/people/r/alissa_johannsen_rubin/index.html" 
itemprop="author creator" itemscope="" itemtype="http://schema.org/Person"><a href="http://topics.nytimes.com/top/reference/timestopics/people/r/alissa_johannsen_rubin/index.html" 
title="More Articles by ALISSA J. RUBIN"><span class="byline-author" data-byline-name="ALISSA J. RUBIN" data-twitter-handle="Alissanyt" itemprop="name">ALISSA J. RUBIN</span></a></span><time class="dateline" content="2016-10-06T01:02:19-04:00" 
datetime="2016-10-06T01:02:19-04:00" itemprop="dateModified">OCT. 5, 2016</time> 
</p>, <p class="story-body-text story-content" data-para-count="163" data-total-count="163">BRUSSELS — A man wounded two police officers with a knife in Brussels around noon on Wednesday in what the authorities called “a potential terrorist attack.”</p>, <p class="story-body-text story-content" 
data-para-count="231" data-total-count="394">The two officers were attacked on the Boulevard Lambermont in the Schaerbeek district, just north of the city center. A third police officer, who came to their aid, was also injured. None of the three had life-threatening injuries.</p> 
''' 
my_pattern=("(.*)</time>") 
results= re.sub(my_pattern," ", text) 
print(results) 

Answer 1

Попробуйте это:

my_pattern=("[\s\S]+\<\/time\>") 

Если вы хотите удалить также следующий тег </p>, запятая , и пространство, вы можете использовать это :

my_pattern=("[\s\S]+\<\/time\>[\s\S]\<\/p\>\,\s")