正则表达式从Python中的字符串中删除html标记

我使用以下代码从RSS提要获取结果：

try:
    desc = item.xpath('description')[0].text
    if date is not None:
        desc =date +"\n"+"\n"+desc
except:
    desc = None

但有时，描述包含RSS提要中的html标记，如下所示：

这是示例文本

在显示内容时，我不希望在页面上显示任何HTML标记。是否有任何正则表达式可以删除HTML标记。

请尝试：

pattern = re.compile(u'<\/?\w+\s*[^>]*?\/?>', re.DOTALL | re.MULTILINE | re.IGNORECASE | re.UNICODE)
text = pattern.sub(u" ", text)

pattern=re.compile（u']*？\/？>，re.DOTALL | re.MULTILINE | re.IGNORECASE | re.UNICODE）
text=pattern.sub（u“”，text）

快速肮脏的方式：

def remove_html_tags(text):
    pattern = re.compile(r'<.*?>')
    return pattern.sub('', text)

def删除html标签（文本）：
模式=重新编译（r“”）
返回模式.sub（“”，文本）

---

但是对于一个更健壮的解决方案，我建议您研究一下。

有一种简单的方法可以做到这一点，而不需要使用正则表达式。这是一个强健的解决方案：

def remove_html_markup(s):
    tag = False
    quote = False
    out = ""

    for c in s:
            if c == '<' and not quote:
                tag = True
            elif c == '>' and not quote:
                tag = False
            elif (c == '"' or c == "'") and tag:
                quote = not quote
            elif not tag:
                out = out + c

    return out

def删除html标记：
tag=False
quote=False
out=“”
对于s中的c：
如果c==''且不加引号：
tag=False
elif（c==“'”或c==”）和标记：
quote=不引用
elif非标记：
out=out+c
返回

这里解释了这一想法：

您可以看到它在这里工作：

PS-如果你对这个类感兴趣（关于python的智能调试），我给你一个链接：。它是免费的

---

不客气！：）

我认为这是合适的！@Jeroen:不，这不合适。这太愚蠢了。你根本没有读过这个问题吗？他已经在使用xpath！！！你们这些人会停下来用脑子换一换吗？@tchrist:我可能误解了什么，但现在我觉得你好像没有真正读过他的问题。他使用的是xpath，对吧，但他在评估后得到的是HTML。除此之外，还有一个事实：没有必要不友好，兄弟。@naeg：我非常强烈地感觉1732348的答案只是一个被重复得难以置信的笑话。它对人们没有帮助。我觉得它非常不友好，所以我一有机会就投反对票。@tchrist:itimo提供了帮助，因为它解释了使用正则表达式解析html/xml是错误的，您应该使用一些解析器。我第一次阅读了这个答案，发现它有趣而正确（不仅是问题的公认答案，还有其他答案）@naeg：正则表达式在这种情况下可以正常工作。更好的解决方案可能是

text=lxml.html.fromstring（text）.text\u content（）

，但需要额外的包。您阅读了链接吗？一般来说，不要使用正则表达式解析html，在某些情况下，您的正则表达式可能会严重失败并将一切都搞糟。