Python删除网站html标记不起作用

我试图删除（html标记）中的文本，并将结果写入一个新文件。例如，一行文本可以是：

< asdf> Text <here>more text< /asdf >

文本更多文本

因此，程序将写入输出文件：“Text more Text”，不包括html标记内的文本

这是我迄今为止的尝试：

import urllib.request

data=urllib.request.urlopen("some website").read()

text1=data.decode("utf-8")

import re

def asd(text1):

    x=re.compile("<>")

    y=re.sub(x,"",text1)

    file1=open("textfileoutput.txt","w")

    file1.write(y)

    return y

asd(text1)

导入urllib.request
data=urllib.request.urlopen（“某些网站”）.read（）
text1=数据解码（“utf-8”）
进口稀土
def asd（文本1）：
x=重新编译（“”）
y=re.sub（x，“，text1）
file1=open（“textfileoutput.txt”、“w”）
文件1.写入（y）
返回y
asd（文本1）

---

它似乎没有写干净的版本，仍然有标签。谢谢您的帮助。

只需将

re.compile（“”）替换为
re.compile（r“”）
就足够了
只需将
re.compile（“”）替换为
re.compile（r“”）
就足够了
您的正则表达式将只匹配“”。我建议这样的解决方案。你是对的，用这个：x=re.compile（r“]+>”）程序替换一行就可以了。谢谢。如果标签中某处包含>怎么办？正如alecxe指出的，尝试用正则表达式解析HTML通常不是最好的。正则表达式将只匹配“”。我建议这样的解决方案。你是对的，用这个：x=re.compile（r“]+>”）程序替换一行就可以了。谢谢。如果标签中某处包含>怎么办？正如alecxe所指出的，尝试用正则表达式解析HTML通常不是最好的。如果标签中某处包含>怎么办？如果标签中某处包含>怎么办？对于一些关心性能的人来说，
BeautifulSoup
非常慢，甚至使用
lxml
作为解析器。如果您的html文本确实格式良好，并且您信任您的正则表达式，那么使用它是没有问题的。对于其他一些关心性能的人来说，
BeautifulSoup
非常慢，甚至使用
lxml
作为解析器。如果您的html文本确实格式良好，并且您信任您的正则表达式，那么使用它就没有问题。
x=re.compile("<>")

In [1]: from bs4 import BeautifulSoup

In [2]: html = "<asdf>Text more text</asdf>"

In [3]: soup = BeautifulSoup(html, "html.parser")

In [4]: soup.asdf.unwrap()
Out[4]: <asdf></asdf>

In [5]: print(soup)
Text more text