Python去除html标签

Python中可以使用正则表达式库`re`或第三方库如BeautifulSoup来去除HTML标签。这里提供两种简单的方法：

1. 使用正则表达式：

import re

def remove_html_tags(text):
    clean_text = re.sub('<[^<]+?>', '', text)
    return clean_text

# 示例
html_string = '<p>这是一个带<a href="https://example.com">HTML</a>的字符串。</p>'
cleaned_text = remove_html_tags(html_string)

这会移除所有HTML标签，保留纯文本内容。

2. 使用BeautifulSoup（需要安装`beautifulsoup4`库）：

from bs4 import BeautifulSoup

def remove_html_tags_with_bsoup(text):
    soup = BeautifulSoup(text, 'html.parser')
    cleaned_text = soup.get_text()
    return cleaned_text

# 示例
html_string = ... # 同上
cleaned_text = remove_html_tags_with_bsoup(html_string)

BeautifulSoup能更智能地处理HTML结构，并且不会误删非标签部分的文本。