Python 删除文档中的标记

我需要找到所有的标签在.txt格式的SEC文件，并从文件中删除

作为Python的初学者，我使用了以下代码来查找标记，但它返回None，None。。。我不知道如何移除所有标签。我的问题是如何找到所有标记并删除所有标记，以便文档包含除标记以外的所有内容

import re
tags = [re.search(r'<.+>', line) for line in mylist]
#mylist is the filename opened by open(filename, 'rU').readlines()

谢谢你抽出时间

re.sub(r'<.*?>', '', line)

---

使用和表达

re.sub(r'<[^>]+>', '', open(filename, 'r').read())

对于不包含方括号标记的每一行，您当前的代码都会得到一个None

---

您可能想使用[^>]来确保它只匹配到第一个>

好吧，对于初学者来说，您需要一个不同的正则表达式。您拥有的字符串将选择第一个字符串之间的所有内容，因此字符串：

I can type in <b>BOLD</b>

匹配任意长度的字符串？意味着它将匹配尽可能短的字符串。我们以前增加的懒惰

(<?=...)

这是一个前瞻。这跟后面看一样。然后用一点芬德尔：

re.findall(r'(?<=>).+?(?=<)', line);

将匹配附加到标记上的任意数量的空格，然后可以用一个空格替换，从而减少因标记过于小心而导致的令人不安的双空格和三空格。作为一种奖励

(?: ... ) 

被称为非捕获组，它不会在结果中为您提供较小的子匹配。在这种情况下，对于你的目的来说，这并不是真正必要的，但是小组总是很有用的，可以考虑，而且只捕获你需要的小组是很好的做法。就像我做的那样，在末尾加上一个+将捕获尽可能多的相邻标签，将它们消除到单个空间中。因此，如果文件

This is <b> <i> overemphasized </b> </i>!

而不是

This is   overemphasized  !

---

我对正则表达式知之甚少，但是re.MULTILINE的意义何在？没有任何^或$标记。你的意思是re.DOTALL，允许标记中有换行符吗？

\s*

(?: ... ) 

This is <b> <i> overemphasized </b> </i>!

This is overemphasized !

This is   overemphasized  !