如何遍历HTML文件并将特定数据解析至DataFrame？

我试过BeautifulSoup、XML解析器等多种方法，想找个更简便的方式遍历HTML文件，把信息解析成DataFrame。这个HTML是docx转来的，格式很乱，只需要把<b>数字</b>这类加粗数字后面的每段文本拆成单独行。

示例HTML代码 #

<h2 class="chapter-header-western">CHAPTER 1</h2>
    <p class="western" style="line-height: 100%; margin-bottom: 0.08in"><b>1</b>text
    <p class="western" style="line-height: 100%; margin-bottom: 0.08in"><b>Header</b></p>
    <p align="left" style="line-height: 100%; margin-bottom: 0.08in"><b>2</b>text
    </p>
    <p align="left" style="line-height: 120%; margin-left: 0.3in; text-indent: -0.3in; margin-bottom: 0.08in">
    <b>3 </b>text
    </p>
    <p class="western" style="line-height: 100%; margin-bottom: 0.08in">text <b>4 </b>text
    <b>5 </b>text<b>6 </b>text
    </p>

目标DataFrame格式 #

我试过BeautifulSoup的find_all方法，但它只返回标签内的字符串，我需要的是标签之后的文本。或许可以把<b>数字</b>作为分隔标记来处理？

内容的提问来源于stack exchange，提问作者user16950345