如何使用Python从中删除HTML、URL

我有这个xml文件列表。现在我必须过滤掉一些标签。问题是文本，里面有很多html标记和URL，我需要纯文本。我想在循环中删除这些元素，然后将清理后的文本附加到我的新列表中。这就是我目前所拥有的

    data = []
    for conv in root.findall('./conversations/conversation'):
        pattern = re.compile( r'!\b(((ht|f)tp(s?))\://)?(www.|[a-z].)[a-z0-9\-\.]+\.)(\:[0-9]+)*(/($|[a-z0-9\.\,\;\?\\\\\\\+&%\$#\=~_\-]+))*\b!i')
        if pattern.search(conv.text):
           re.sub(pattern, ' ')
           data.append(conv.text)    

我找不到合适的正则表达式来删除这样的东西

br/>

和如下URL:

http://neocash43.blog.com/2011/07/26/psp-sport-assessment-neopets-the-wand-of-wishing/

---

第二个问题是，对于这个xml根结构，我现在不知道如何将清理过的对话文本附加到新列表中。

python模块有一个HTML到文本的函数，该函数调用。默认情况下，此函数删除所有HTML标记。对于URL，请使用现有的正则表达式。

您可以尝试使用pyparsing库的正则表达式。我刚刚在Python 3.4的机器上使用了这个脚本。

您能提供一个预期的输入输出示例吗？我建议您研究beautifulsoup4，“一个用于从HTML和XML文件中提取数据的Python库。它与您喜爱的解析器配合使用，提供导航、搜索和修改解析树的惯用方法。”你对这个网址有信心吗？当我尝试加载它时，我得到一个502坏网关。为了我的澄清，您是否要删除从某个xml恢复的字符串中的所有HTML标记？@BillBell我很抱歉，Url就是我想要删除的Url的一个示例remove@Szalbolcs输入文本：'\n\t\t\tZafaras在Neopia的其他宠物中确实拥有最好的听力。

；如果你没有听说过尼奥皮斯，那么我会非常好奇你是从哪个星球来的，你肯定不是尼奥皮亚人。“rel=“nofollow“>，输出：Zafaras的听觉在Neopia的任何其他宠物中都是最棒的。如果你没有听说过Neopets，那么我不得不非常好奇你来自哪个星球，你肯定不是来自Neopia。是的，我想试试，但它与Python 3.6不兼容。所以我还是被卡住了。Pyparsing不再托管在wikispaces.com上。去