Python, найдите текст в строке сразу под известной строкой?

Я написал скрипт, используя модуль python BeautifulSoup, чтобы получить url = 'http://www.ebi.ac.uk/ena/data/view/PRJEB2357&display=xml' project_page = urlopen ( url ) soup = BeautifulSoup ( project_page , "html.parser" ) печатать суп с веб-страницы. Эта веб-страница содержит информацию, описывающую проект с использованием геномных данных, и я хочу извлечь все <db> PUBMED </ db> <id> 25101644 </ id> </ xref_link> </ project_link> <project_link> <xref_link> <db > PUBMED </ db> <id> 24509479 </ id> (уникальные идентификационные номера для публикаций, полученных из этого проекта). Каждый идентификатор PUBMED является 8-значным номером.

Я попробовал два разных метода для извлечения идентификаторов PUBMED, но есть проблемы с обоими. Во-первых, я использовал этот код для извлечения полного xml:

<id>

Результат этой команды выглядит примерно так:

url = 'http://www.ebi.ac.uk/ena/data/view/PRJEB2357&display=xml'
project_page = urlopen(url)
soup = BeautifulSoup(project_page, "html.parser") 
text = soup.text
print text

(очевидно, это не весь xml, а только раздел, который имеет отношение ко мне).

Модуль BeautifulSoup содержит ряд команд, которые просматривают этот суп для интересующего текста, но насколько я могу судить, все они берут либо тег, либо текст, который ищет в качестве входных данных. Я не могу использовать ни одно из них здесь, потому что на этой странице есть несколько сегментов текста, кроме PUBMED ID, которые имеют один и тот же тег xml ( ), и я явно не могу найти PUBMED ID, используя текст, если я Не знаю, что это такое!PUBMED 25101644 PUBMED 24509479

Второй метод, который я пытался, заключался в том, чтобы печатать только текст из xml с помощью этого кода:

url = 'http://www.ebi.ac.uk/ena/data/view/PRJEB2357&display=xml'
project_page = urlopen(url)
soup2 = BeautifulSoup(project_page, "html.parser") 
text = soup2.text
text = text.replace('
', ' ').replace(' ', '') #removes all spaces and linebreaks
PMID = re.findall('PUBMED........', text, flags = 0)
print PMID

На этот раз вывод выглядит следующим образом:

[u'PUBMED25101644', u'PUBMED24509479']

В этот момент у меня было несколько идей. Во-первых, модуль python re (регулярное выражение в более ранних версиях python) можно было бы использовать для поиска выражения, но снова все команды re, о которых я знаю, требуют, по крайней мере, части шаблона, который ищет в качестве входных данных, поэтому я не думаю, что это только вариант. Во-вторых, я попытался сделать что-то вроде этого:

print text
PUBMED
25101644




PUBMED
24509479

Это дает следующий результат:

>>> re.findall('(?<=PUBMED
).+',text)
['25101644', '24509479']

Поэтому теоретически это можно преобразовать в строку, и я просто вырезал соответствующие 8-значные числа, но это очень тяжело, и я хочу много раз запускать этот скрипт на веб-страницах для нескольких тысяч проектов и количество идентификаторов PUBMED для каждый проект будет меняться, поэтому этот метод не поддается автоматизации очень хорошо.

То, что я хочу, это метод поиска каждого экземпляра слова «PUBMED», либо в сыром супе, либо в тексте, и извлечение только идентификатора PUBMED, который будет на следующей строке вниз. Кто-нибудь есть предложения о том, как это сделать?