Python標準ライブラリのみを使用したHTMLからテキストへの変換

Question

Python 2.7.x標準ライブラリのモジュールのみを使用して、HTMLをテキストに変換する最良の方法を探しています。 （つまり、no BeautifulSoupなど）

HTMLからテキストへの変換では、私はlynx -dumpという道徳上の同等物を意味します。実際、HTMLタグをインテリジェントに取り除き、すべてのHTMLエンティティをASCII（またはUTF8でエンコードされたユニコード）に変換するだけで十分です。

正規表現ベースの回答はありません。 （Regexesは課題に対応していません）

ありがとう！

Answer 1

Python 2.2以降はHTMLParser moduleです。これは、最も効率的ではありませんでも最も簡単な使用が、それはあります...

そして、あなたは正しいXHTML（あるいはあなたがTidyのを通してそれを渡すことができます）を扱っている場合、あなたは

from xml.etree.ElementTree import ElementTree 
tree = ElementTree() 
tree.parse("your_document.xhtml") 
your_string = tree.tostring(method="text", encoding="utf-8") 

ElementTreeはるかに良いを使用することができます

Answer 2

html2textをご覧ください。
thread