是否有任何lib可以采取文本（如html文档）和字符串列表（如某些产品的名称），然后在字符串列表中找到一个模式，并生成一个正则表达式，将提取所有文本中的字符串（html文档）与它找到的模式匹配？
例如，给出以下html：
<table>
<tr>
<td>Product 1</td>
<td>Product 2</td>
<td>Product 3</td>
<td>Product 4</td>
<td>Product 5</td>
<td>Product 6</td>
<td>Product 7</td>
<td>Product 8</td>
</tr>
</table>
以及以下字符串列表：
['Product 1', 'Product 2', 'Product 3']
我想要一个能够构建如下所示的正则表达式的函数：
'<td>(.*?)</td>'
然后从html中提取与正则表达式匹配的所有信息。
在这种情况下，输出将是：
['Product 1', 'Product 2', 'Product 3', 'Product 4', 'Product 5', 'Product 6', 'Product 7', 'Product 8']
澄清：
我希望函数能够查看样本的周围，而不是样本本身。
所以，例如，如果html是：
<tr>
<td>Word</td>
<td>More words</td>
<td>101</td>
<td>-1-0-1-</td>
</tr>
和样品 ['Word', 'More words'] 我想要它提取：
['Word', 'More words', '101', '-1-0-1-']
您的要求同时非常具体且非常一般。
除非你自己编写，否则我认为你找不到任何图书馆。
另一方面，如果你花费太多时间编写正则表达式，你可以使用一些GUI工具来帮助你构建它们，例如：
http://www.regular-expressions.info/regexmagic.html
但是，如果您只需要从html文档中提取数据，则应考虑使用html解析器，它应该使事情变得更容易。
我建议 beautifulsoup 在python中解析html文档：
https://pypi.python.org/pypi/beautifulsoup4/4.2.1
我很确定在一般情况下（没有迂腐）这个问题的答案是 没有。问题在于，任意文本以及该文本的任意子串都不会严格定义单个正则表达式。
正如一对人提到的，功能可以简单地返回 .* 对于每组输入。或者它可以返回，输入字符串 ['desired', 'input', 'strings']，正则表达式
'(desired)+|(input)+|(strings)+'
或者还有很多其他非常正确但完全没用的结果。
您面临的问题是，为了构建正则表达式，您需要严格定义它。要做到这一点，你需要使用语言描述所需的表达式，就像你正在使用的正则表达式语言一样......字符串加上一个子串列表是不够的（只需查看RegexMagic需要的工具的所有选项）在有限的环境中计算正则表达式！）。实际上，这意味着您需要所需的正则表达式，以便有效地计算它。
当然，你总是可以去百万只猴子路线并尝试 发展 一个适当的正则表达式，但你仍然会有一个问题，需要一个巨大的文本输入文本+预期输出，以获得一个可行的表达式。此外，它还需要很长时间才能运行，并且可能会在星期天以无用的碎屑六种方式臃肿。你最好自己写一下。
我有类似的问题。 Pyparsing是一个很好的工具，就像你说的那样。
http://pyparsing.wikispaces.com/
它允许你构建表达式列表正则表达式，但更灵活。该网站有一些很好的例子。
以下是您在上面提出的问题的快速脚本：
from pyparsing import *
cell_contents = []
results = []
text_string="""<table>
<tr>
<td>Product 1</td>
<td>Product 2</td>
<td>Product 3</td>
<td>Product 4</td>
<td>Product 5</td>
<td>Product 6</td>
<td>Product 7</td>
<td>Product 8</td>
</tr>
</table>"""
text_string = text_string.splitlines()
for line in text_string:
anchorStart,anchorEnd = makeHTMLTags("td")
table_cell = anchorStart + SkipTo(anchorEnd).setResultsName("contents") + anchorEnd
for tokens,start,end in table_cell.scanString(line):
cell_contents = ''.join(tokens.contents)
results.append(cell_contents)
for i in results:
print i
尝试这个：
https://github.com/noprompt/frak
它是用Clojure编写的，并不能保证它输出的是最简洁的表达，但似乎有一些潜力
也许最好使用支持XPATH的Python HTML解析器（参见 这个相关的问题），查找HTML代码中感兴趣的位，然后记录他们的XPATH - 或者至少是由多个示例共享的那些？
而不是生成正则表达式，如何使用更一般的正则表达式？如果您的数据被约束到一个本身不包含元素的元素的内部文本，那么与re.findall一起使用的这个正则表达式将产生一个元组列表，其中每个元组都是（标记名，文本）：
r'<(?P<tag>[^>]*)>([^<>]+?)</(?P=tag)>'
然后，您可以轻松地从每个元组中提取文本。