python去除html中＜div＞等

用beautifulsoup并不能将全部的去除得到剩余的txt，特别在兴趣段找关键字的时候。

使用re模块可以实现这个功能。

        for a in a_d:
            em_name = str(a.find('em'))
            pattern = re.compile(r'<[^>]+>', re.S)
            result = pattern.sub('', em_name)
            result = result.strip('\n')
            name_value.append(result)

假设a_d是find_all得到的兴趣模块

循环进入后先使用find找到模块内层兴趣模块，比如<em>

使用pattern来查找其中带有<>的修饰词

用sub剔除这些修饰词得到result

剔除其中的回车符号，可选

最后将这些关键字append到list

---

该语法的关键是re模块匹配的正则表达式。