我正在寻找将 HTML 转换为文本的最佳方法，仅使用 Python 2.7.x 标准库中的模块。 （即没有BeautifulSoup等）
HTML 到文本的转换是指lynx -dump 的道德等价物。事实上，只要智能地摆脱 HTML 标记，并将所有 HTML 实体转换为 ASCII（或 UTF8 编码的 unicode）就足够了。
请不要使用基于正则表达式的答案。 （正则表达式无法胜任。）
谢谢！
【问题讨论】：
标签： python html-parsing standard-library html-to-text
自 2.2 以来的 Python 具有 HTMLParser module。它不是最有效的，也不是最简单的使用，但它就在那里......
如果你正在处理正确的 XHTML（或者你可以通过 Tidy 传递它），你可以使用更好的ElementTree
from xml.etree.ElementTree import ElementTree
tree = ElementTree()
tree.parse("your_document.xhtml")
your_string = tree.tostring(method="text", encoding="utf-8")
【讨论】：
我写了一个非常简单的 python 脚本，它只从 HTML 文件中提取标题和段落，而不使用任何第三方 图书馆。 注意：这个脚本非常简单，只能处理非常简单的 HTML。 它是用python 3编写的
#!/usr/bin/env python3
import os
#This is a standard python module
headings = "<h1>"
paragraphs = "<p>"
f = open('filename.html')
f.close
for line in f:
if headings in line:
print ("line")
If paragraphs in line:
print ("line")
你仍然可以扩展这个想法，让它从 HTML 文件中提取更多内容。
【讨论】：