Python-删除未关闭的标记

在Python中，我有一系列混乱的字符串和未关闭的标记。注意：这不需要像NLP解析器那样是正确的XML。例如，考虑以下字符串：

<hi><TIMEX>every monday, wednesday and friday</TIMEX> </TIMEX>but <TIMEX>not saturday 
</TIMEX></bye><TIMEXUNTIL>until january</TIMEXUNTIL> from <TIMERANGE>11:30am-12:00
</TIMERANGE>

每周一、周三和周五，但不包括周六
从11:30am-12:00到1月

我们有一个额外的开放标签：

<hi>

和额外的结束标记：

</TIMEX>
</bye>

如何轻松删除任何没有匹配打开/关闭的标记？我正在寻找的输出是：

<TIMEX>every monday, wednesday and friday</TIMEX> but <TIMEX>not saturday 
</TIMEX><TIMEXUNTIL>until january</TIMEXUNTIL> from <TIMERANGE>11:30am-12:00
</TIMERANGE>

每周一、周三和周五，但不包括周六
从11:30am-12:00到1月

一种解决方案是迭代字符串，查找关闭和打开的标记

然后把逻辑，相应地。理想情况下，它可以通过堆栈数据结构来解决。可以使用以下逻辑编写代码。-

让a作为标签，打开或关闭

检查标签是否在列表中，以相反的方式检查

如果您在列表中找到合适的标记并将其删除。如果没有，也添加该标记及其位置。适当的标记可以定义为一个开放标记的闭合标记或另一个开放标记，或者一个封闭标记的开放标记

在迭代结束时，您将拥有未关闭/未打开的标记及其位置。现在您可以继续并删除

---

你还有一个额外的

，就在单词

的前面，但是在第一行，

是的，我忘了加上那个。更新。。试试这个。我看到了它的HTML，但也许你可以处理自定义标记。@juree，我本来是在看那个，但它似乎可以处理添加缺少的标记，而不是删除多余的标记。但是是的，BeautifulSoup可以处理这些类型的自定义标记。根据大多数允许的解析器的工作方式，看到像

这样的开始标记，它们假设标记包含了最多数量的以下节点。这与

+

和

*

regexp运算符的“贪婪”行为完全相同。在这种情况下，

将包含整个文档，删除它将删除所有内容。可能不是你想要的。但这正是像

BeautifulSoup

和

lxml.html

这样的允许解析器所能提供的。