python如何用正则表达式除去html标签

在Python中，你可以使用`re`模块（Regular Expression库）配合`BeautifulSoup`库来去除HTML标签。首先安装BeautifulSoup库，如果还没有的话：

pip install beautifulsoup4

然后，你可以编写如下的函数来移除HTML标签：

from bs4 import BeautifulSoup
import re

def remove_html_tags(html_string):
    # 使用BeautifulSoup解析HTML字符串
    soup = BeautifulSoup(html_string, 'lxml')
    
    # 使用正则表达式提取纯文本内容
    clean_text = re.compile(r'<.*?>')  # 匹配HTML标签
    text_only = soup.get_text()  # 获取无标签的文本
    
    # 使用正则表达式再次清理，确保所有标签都被替换为空格
    cleaned_text = re.sub(clean_text, '', text_only)
    
    return cleaned_text.strip()

# 示例
html_content = "<p>Hello, <strong>world!</strong></p>"
cleaned_text = remove_html_tags(html_content)
print(cleaned_text)  # 输出 "Hello, world!"