我正在做一个项目，我需要提取歌词播放的和弦。目标是找出歌词的哪个部分在哪个和弦下演奏。我正在使用包含来自ultimate-guitar.com 的吉他和弦的网页（我选择这个网站是因为它似乎拥有最多的转录歌曲集合）
网页的典型结构是：
例如： http ://tabs.ultimate-guitar.com/p/poets_of_the_fall/carnival_of_rust_crd.htm
片段：
正如你所看到的，和弦写在歌词之前，左边距的相对位置决定了哪个和弦在哪个单词上播放。上述歌曲的页面源代码如下所示：
我完成任务的策略：
- 使用美汤找到网页的上述相关部分（忽略网页上的广告、索引）
- 逐行阅读此部分。
- 使用
<span>标签来识别哪些行包含和弦。 - 假设具有标签的行之后的下一行将包含
- 找出每个和弦的相对位置，将其存储并与下面一行中的单词位置进行比较，以找出哪些和弦在哪些和弦上演奏。
- 将此数据存储在字典中，以和弦名称作为键，值将是在此键和弦上播放的短语列表。
上面的实现在某些情况下可以正常工作，但是由于没有定义特定的结构，所以只要不遵循假定的页面结构，它就会惨遭失败。
例如，（来源：http ://tabs.ultimate-guitar.com/k/kate_voegele/all_i_see_crd.htm ）
这里之前有意外的<pre><i></i>标签<span>，现在我的密钥存储为<\pre><i></i>D而不是D.
由于页面结构的这种意外变化，我的解析数据中存在许多此类错误。关于如何处理此类案件的任何想法，或者是否有更好的方法来完成这项任务？