웹 사이트 html 태그가 제거되지 않는 Python

Question

< (html 태그) 내의 텍스트를 제거하고 결과를 새 파일에 쓰려고합니다. 예를 들어, 한 줄의 텍스트가 될 수있다 :

< asdf> Text <here>more text</asdf> 

그래서 프로그램은 출력 파일에 쓸 것입니다 : "더 많은 텍스트를 텍스트", HTML 태그 내부의 사람들을 제외하고.

깨끗한 버전을 작성하지 않는 것

import urllib.request 

data=urllib.request.urlopen("some website").read() 

text1=data.decode("utf-8") 

import re 

def asd(text1): 

    x=re.compile("<>") 

    y=re.sub(x,"",text1) 

    file1=open("textfileoutput.txt","w") 

    file1.write(y) 

    return y 

asd(text1) 

는 여전히 태그가 :

이 지금까지 내 시도이다. 도와 줘서 고마워. 이 표현이 < asdf> 또는 </asdf> 일치하는 것입니다 생각하는 이유

Answer 1

x=re.compile("<>") 

나는 확실하지 않다.

어쨌든 정규식 can rarely be justified으로 HTML에 접근 중입니다. 작업에 더 적합한 도구 인 HTML 파서을 사용하십시오.

예 BeautifulSoup을 사용하고 unwrap() method의 :

이

In [1]: from bs4 import BeautifulSoup 

In [2]: html = "<asdf>Text more text</asdf>" 

In [3]: soup = BeautifulSoup(html, "html.parser") 

In [4]: soup.asdf.unwrap() 
Out[4]: <asdf></asdf> 

In [5]: print(soup) 
Text more text 

Answer 2

간단히 re.compile(r"<[^<>]*>")와 re.compile("<>") 교체은 "><"