是否有类似于python附带的NLTK的东西，并且不必安装？

我正在使用NLTK剥离标记并将文本保留在html文件中

NLTK在我的linux计算机上安装只需几秒钟，但在Windows上使用它是一件痛苦的事情，我知道，如果我在安装NLTK模块时遇到问题，我的客户住在另一个国家，他将无法安装NLTK模块

什么是python附带的不需要安装的简单替代方案？ 我需要这个作为脚本的一部分

问题是“如何从字符串中删除HTML标记？”

重新导入
def条带标签：
返回re.sub（“]+>”，“”，s）

另外，为了将来的参考，您只需要一页

编辑：修复了regexp。D:

双重编辑：受评论的启发，这里有一个令人憎恶的地方

def strip_tags(s):
     return re.sub(r"""</?\w+(\s*([^=]+=(?P<q>['"]).+?(?P=q))|\s*\w+(=\w+)?)*>""", "", s)

def strip_标签：
返回re.sub（r“””您可以尝试：

import xml.etree.ElementTree as ET

root = ET.parser('whatever')
text = filter(None, ((el.text or '').strip() for el in root.findall('.//*')))

然后，如何处理
文本取决于您。
剥离标签（这不起作用）
我们可以整天玩这个游戏——HTML不是一种常规语言，所以你..废话，在原始regexp中键入，@DSM。无论哪种方式，修改后的regexp都会去掉标记，只留下纯文本内容。不确定这是否是OP想要的，但是。AKX：好的，你想玩吗？让我们玩吧。^
““>您的修订版也不起作用
 “
.Heh-是的，我知道会出现这种情况。上面的
strip\u标记
适用于大多数在野外看到的HTML，但你是对的，不是所有的。为什么要使用NLTK（自然语言处理TK）解析HTML？可能是
import xml.etree.ElementTree as ET

root = ET.parser('whatever')
text = filter(None, ((el.text or '').strip() for el in root.findall('.//*')))