python html搜索替换,Python：从html搜索和收集文本字符串的更好方法。剥离减价，标签等...

有很多模块，例如lxml，Beautiful汤，nltk和pyenchant，可以正确过滤出正确的英语单词。但是，然后是什么最干净的最短方法，例如html2text，如果也可以取消降价促销(我写的时候，右边有很多类似的问题)可能有一个通用的正则表达式可以删除所有的html。标签？

def word_parse(f):

raw = nltk.clean_html(f) #f = url.content here, from "requests" module

regex = r'[a-zA-Z]+' # | ^[a-zA-Z]+\b'

match = re.compile(regex)

ls = []

for line in raw.split():

for mat in line.split():

try:

v = match.match(mat).group()

map(ls.append, v.split())

except AttributeError, e:

pass

有人可以建议一些好的代码片段吗？有人可以在这里建议更简洁，更优化的代码吗？