如何通过匹配字符串来提取Python中的父html标记

Question

我需要通过匹配html中的字符串来提取html中的父标记。 （即） 我有许多原始的html源代码。每个源包含文本值“VIN:*”**和一些字符。此文本值（VIN:*）以各种格式放置在每个源中，如“<；ul>；”、“<；div>；”等。。在

然后我需要提取所有值以及“VIN:*”字符串。这意味着我需要得到它的父标记。在

例如

<div class="class1">

                            Stock Number:
                            Z2079
                            <br>
                            **VIN:
                            2T2HK31UX9C110701**
                            <br>
                            Model Code:
                            9424
                            <img class="imgcert" src="/images/Lexus_cpo.jpg">
</div>

这里有html源代码的“VIN”。与此类似，我有其他html源代码的VIN，格式也不同。在

这些值必须在Python中提取。在

有没有什么方法可以有效地通过匹配Python中的字符串来提取父标记？在

Answer 1

对于不使用任何xml/html解析器的纯字符串版本，可以尝试正则表达式（re）：

import re

html_doc = """ <div ...VIN ...  /div>"""

results = re.findall('<(.+>).*VIN.*+</\1', html_doc)