怎样用正则表达式去除html里面所有的tag？

liwensi

我用python写了一段程序，取得一个网页的源文件，我现在想去除里面所有的tag，只剩下界面上我们看到的字符，怎么做呢？有没有知道的啊？多谢~~~

就是比如：www.google.com的源代码，经过处理以后只剩下下面类似的：
Google
Personalized Home | Sign in
Web Images VideoNew! News Maps more
BooksFroogleGroupseven more Advanced Search Preferences Language ToolsAdvertisin

我写的程序是这样的：
def ByReModule(param):
    regex = "<[^!>](?:[^>]|\n)*>"

    result = re.sub(regex,'',param)

    print result


但是，这样只能清除每对的<>的内容，对于类似：<style>body,td,a,p,.h</style> 这样的，处理完以后body,td,a,p,.h就留下了，怎样也把这些去掉了？

[ 本帖最后由 liwensi 于 2008-9-9 14:39 编辑 ]