python多线程爬虫学习--去除html的标签

import re
import urllib

page = urllib.urlopen("http://www.baidu.com")
html  = page.read()

pattern = re.compile(r'<[^>]+>', re.S)
result = pattern.sub('', html)

print result

re.compile返回的是一个正则的表达的的样式，后面会根据这个样式进行去除
关键地带在"r'<[^>]+>'",这个是表示以'<'开始的,'[^>]'匹配除去'>'符号的所有其他符号，'+'表示出现次数为1次或者无限次。