python去除html标签,保留汉字和换行

可以使用Python的正则表达式模块re来去除HTML标签，保留汉字和换行。具体步骤如下：

1. 首先，导入re模块：`import re`

2. 定义一个函数，例如`remove_tags(text)`，接收一个包含HTML标签的文本字符串作为参数；

3. 使用re.sub()函数，结合正则表达式，将HTML标签替换为空字符串。正则表达式`"<.*?>"`可以匹配到HTML标签；
替换语句为`re.sub(r"<.*?>", "", text)`，表示将所有匹配到的HTML标签替换为空字符串；
注意，这样会将所有的标签都去除，包括行内标签和块级标签；

4. 进一步，可以加入保留汉字和换行的要求，使用正则表达式`"[^\u4e00-\u9fa5\n\s]+"`，其中`[\u4e00-\u9fa5]`匹配汉字，
`\n`匹配换行符，`\s`匹配空格，加号表示匹配多次。使用该正则表达式可以将所有非汉字、换行和空格的字符替换为空字符串；
替换语句为`re.sub(r"[^\u4e00-\u9fa5\n\s]+", "", text)`；

5. 最后，返回处理后的文本：`return text`

使用以上方法，可以去除HTML标签，保留汉字和换行。注意正则表达式只能处理文本形式的HTML标签，无法处理内嵌在脚本或者样式中的标签。使用时需要注意HTML标签的使用形式和情况。