Necessito aprimorar a regex para localização de ordinais e cardinais em documento HTML. Preciso da ajuda dos senhores e desde já agradeço.
O código simplificado é o seguinte:
l = [ ('<b>º </b>', ['º']), ('<b>Nº </b>', [])]
result = None
for i in l:
codigo = re.sub(r'<(b|sup|s|u)>\s*[aª]\s*</(b|sup|s|u)>', 'ª ', i[0], re.I)
soup = BeautifulSoup(codigo, 'html.parser')
result = soup.find_all('b', string='ª')
assert str(result) == l[1], "ops.."
Como na lista apresentada no código, necessito de identificar apenas os sobrescritos desacompanhados de outros caracteres dentro de uma tag, no exemplo 'b'.