在python中从字符串中删除html标记和实体

我正在从api.careerbuilder.com获取xml数据 特别是，字符串包含一些html实体，我愿意删除，没有任何效果

我尝试过这样做：

import re
re.sub('\<.*?\>', '', job_title_text)

还有这个

from html.parser import HTMLParser
class MLStripper(HTMLParser):
    def __init__(self):
        self.reset()
        self.fed = []
    def handle_data(self, d):
        self.fed.append(d)
    def get_data(self):
        return ''.join(self.fed)

def strip_tags(html):
    s = MLStripper()
    s.feed(html)
    return s.get_data()

strip_tags(job_title_text)

最后这个

import lxml.html
(lxml.html.fromstring(job_title_text)).text_content()

但所有这些都是失败。第二种方法删除了诸如“&”之类的html实体，但标记中的文本被保留了下来，例如“pbrspan”。第三个完全毁了一切，没有显示任何数据

的内容

最后，我怀疑我写的正则表达式是完全错误的。

---

有什么想法，如何处理吗？

试试这个正则表达式

---

（\<\；）.*（\>\）

考虑使用BeautifulSoup删除标记，这是一个很好的文档，

text\u content

是一个方法，而不是一个属性——这意味着您需要调用它（

text\u content（）

），它才能产生任何有用的东西。@MaxNoel啊，对不起，您是对的，这是一个输入错误