正则表达式python过滤html标签,Python如何使用正则表达式去除HTML标签提取文字功能...

在Python中，可以使用正则表达式来过滤HTML标签并提取文字。以下是一个示例代码：

import re

def remove_tags(html):
    # 用正则表达式过滤HTML标签
    clean = re.compile('<.*?>')
    text = re.sub(clean, '', html)
    return text

# 示例用法
html = '<p>Hello, <b>world!</b></p>'
text = remove_tags(html)
print(text) # 输出：Hello, world!

在上面的代码中，`remove_tags()` 函数接收一个包含HTML标签的字符串，然后使用正则表达式来过滤掉所有的HTML标签，并返回纯文本。这里使用的正则表达式 `<.*?>` 匹配任何以 `<` 开头、以 `>` 结尾的字符序列，这包括HTML标签以及其他字符序列，因此可以通过 `re.sub()` 函数将其替换为空字符串。