去除HTML中的标签内容

采集后的数据都带有'<>'html标签：

<img src="http://i4.hdfimg.com/www/images/giftrans/3d/da/7b/18414.gif" border="0"/><span class='WmoJPQM2AzpQMA'>科研<span class='WmoJPQM2AzhQMQ'>最早和<span class='WmoJPQM2AzxQNw'>一项<span class='WmoJPQM2AzdQOA'>教学为一体的现代化<span class='WmoJPQM2AzhQOA'>综合<span class='WmoJPQM2AzhQMQ'>师从性省级医院

 

在这里只要将所有带<>去除即可：

 

dr = re.compile(r'<[^>]+>',re.S)

dd = dr.sub('',Html)

 

完整的python脚本：

第一个函数：将一个字段中的刮号去除

第二个函数：将html中的所有标签去除

 

文章转自： http://blog.csdn.net/followingturing/article/details/8138586