Python从文档中剥离XML标签

Question

我正在尝试使用Python（一种我刚接触的语言）从文档中剥离XML标记。这是我第一次使用regex，这确实是一个最好的主意。

mfile = file("somefile.xml","w")

for line in mfile:
    re.sub('<./>',"",line) #trying to match elements between < and />

那惨败了。我想知道如何用正则表达式来完成。

其次，我在Google上搜索并找到：http : //code.activestate.com/recipes/440481-strips-
xmlhtml-tags-from-string/

这似乎有效。但是我想知道有没有更简单的方法来摆脱所有xml标签？也许使用ElementTree？

Answer 1

请注意，通常用正则表达式来做是不正常的。见耶利米回答。

尝试这个：

import re

text = re.sub('<[^<]+>', "", open("/path/to/file").read())
with open("/path/to/file", "w") as f:
    f.write(text)