正则提取出HTML正文（剔除标签内容）python实现

本文参考：http://segmentfault.com/q/1010000000655403

比如一段HTML：

<a href="/p/3436565150?pn=6">尾页</a>

如果想提取“尾页”，对于大规模的解析来说，剔除标签后的内容是不确定的，不能简单的运用匹配中文的正则来匹配，经测试，基于参考博文代码如下：

import re 

s="<a href=\"/p/3436565150?pn=\">尾页</a>"
rc = re.compile("\<.*?\>" )
new = rc.sub('',s)
print ("new",new)

测试输出为“new 尾页”

总结：如果:

rc = re.compile("\<.*\>" )

输出将是“”，内容为空