python去除html标签及标签里面的内容

使用正则表达式去除htm标签,只取出标签里面的文本内容

>>> import re
>>> 
>>> html='<p class="txt" node-type="feed_list_content" nick-name="人民日报">
                    【<a href="http://s.weibo.com/weibo?q=" target="_blank">#13个求职新方向#</a>!有你心动的职业吗<img src="//img.t.sinajs.cn/t4/appstyle/expression/ext/normal/aa/2018new_bingbujiandan_org.png" title="[并不简单]" alt="[并不简单]" class="face">】近日,人社部、市场监管总局、统计局联合发布13个新职业,既有现在流行的人工智能、<em class="s-color-red">大</em><em class="s-color-red">数据</em>、云计算、物联网等工程技术人员,也有电子竞技员、无人机驾驶员等新颖工种…你心动了吗?哪些学校开设了相关专业值得关注?戳图了解↓↓转给正在求学的TA!                </p>'
>>> 
>>> 
>>> pre = re.compile('>(.*?)<')
>>> text= ''.join(pre.findall(html))
>>> print(text)
#13个求职新方向#!有你心动的职业吗】近日,人社部、市场监管总局、统计局联合发布13个新职业,既有现在流行的人工智能、大数据、云计算、物联网等工程技术人员,也有电子竞技员、无人机驾驶员等新颖工种…你心动了吗?哪些学校开设了相关专业值得关注?戳图了解↓↓转给正在求学的TA!
原文地址:https://www.cnblogs.com/Jaryer/p/13602987.html