这个问题在这里已经有答案了：
在Python中从字符串中剥离HTML
（27个答案）
（27个答案）
七年前关闭的
我有这样一个文本：
text=”“”<；div>；
<；h1>；标题<；/h1>；
<；p>；长文本……<；/p>；
<；a href=“”>；a链接<；/a>；
<；/div>；“”“
使用纯Python，无需外部模块，我希望：
>&燃气轮机&燃气轮机；打印删除标签（文本）
标题一篇长文本。。。。。链接
我知道我可以使用lxml.html.fromstring（text.text\u content（）实现这一点，但我需要在纯Python中使用内置或std library for 2.6实现这一点+
我该怎么做
使用正则表达式
使用正则表达式，您可以清除中的所有内容<&燃气轮机：
重新导入
#根据@freylis的建议，只编译一次
CLEANR=re.compile（'<；*？>；'））
def cleanhtml（原始html）：
cleantext=re.sub（CLEANR'，原始html）
返回干净文本
一些HTML文本还可以包含未括在括号中的实体，例如“&；nsbm”。如果是这样，那么您可能希望将正则表达式编写为
CLEANR=re.compile（'<；*？>；|&；（[a-z0-9]+|#[0-9]{1,6}|x[0-9a-f]{1,6}）；）
此链接包含有关此的更多详细信息
使用BeautifulSoup
您还可以使用BeautifulSoup附加包查找所有原始文本
调用BeautifulSoup时，需要显式设置解析器
我推荐”；lxml“如备选答案中所述（比默认答案（html.parser）更健壮）（即无需额外安装即可使用）
来自bs4导入组的
cleantext=BeautifulSoup（原始html，“lxml”）.text
但这并不妨碍您使用外部库，因此我推荐第一种解决方案
编辑：要使用lxml，您需要pip安装lxml