如何用Python从HTML代码中提取特定位置的目标列表元素？

优先推荐：用BeautifulSoup直接解析HTML（不转字符串/正则） #

正则处理HTML容错性极差，一旦页面结构有细微变化（比如换行、属性顺序调整）就会失效，而BeautifulSoup本身就是为HTML解析设计的，完全不需要把soup转成字符串处理。结合你的需求（目标列表位于某特定行之后），具体步骤如下：

1. 定位标识行（蓝色括号包裹的行）
   这行的绿色文本是每个页面的唯一标识，你可以用正则匹配文本内容来定位对应的元素。代码示例：

   import requests
   import re
   from bs4 import BeautifulSoup
   
   # 现有请求代码不变
   resp = requests.get("https://statusinvest.com.br/fundos-imobiliarios/knri11", headers={'User-Agent': 'Mozilla/5.0'})
   soup = BeautifulSoup(resp.content, features="html.parser")
   
   # 定位包含绿色标识文本的元素（比如<h3>标签，根据实际页面结构调整）
   marker_element = soup.find('h3', text=re.compile(r'Ativos'))  # 替换成你看到的绿色文本关键词
   

2. 提取后续的目标列表（粉色括号内的内容）
   找到标识元素后，通过兄弟节点/父节点定位到目标列表，再提取所有列表项：

   if marker_element:
       # 找到标识元素的下一个容器（根据实际HTML结构调整，比如<div>）
       list_container = marker_element.find_next_sibling('div')
       # 定位粉色括号内的<ul>列表
       target_ul = list_container.find('ul')
       # 提取所有列表项文本
       result_items = [li.get_text(strip=True) for li in target_ul.find_all('li')]
       # 输出结果
       for item in result_items:
           print(item)
   

备选：用正则提取（仅当结构完全固定时使用） #

如果一定要用正则，需确保页面结构绝对稳定，步骤如下：

html_str = str(soup)
# 编写正则模式：匹配标识行（蓝色括号），然后捕获后续的粉色括号列表
# 注意：需根据实际HTML标签、属性调整正则内容
pattern = re.compile(r'<div class="marker-class">.*?绿色关键词.*?</div>\s*(<ul.*?</ul>)', re.DOTALL)
match_result = pattern.search(html_str)

if match_result:
    # 提取到列表的HTML片段后，建议再用BeautifulSoup解析提取文本
    list_soup = BeautifulSoup(match_result.group(1), 'html.parser')
    result_items = [li.get_text(strip=True) for li in list_soup.find_all('li')]
    print(result_items)

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