通過上一章的内容，現在網頁文件中，我們還須要去除的就是HTML代碼了。
下面我們要研究一下HTML代碼的主要特點，不管什麼樣的html代碼，他們均被左右尖括号所包圍，就像這個樣子<代碼>，因此，我們就有了去除的方法，把括号中的内容和聯通括号一起去除掉，就可以了。
下面開始，根據我們的想法，可以寫出，下面這樣的主程序
看上圖，再上一張定義的函數，我們把它移動到了通用函數庫中
第21行，這是我們新增的代碼，執行完這個代碼，就去除掉了HTML标記，剩下的就應該是純文字内容了。在這裡，我們定義了一個函數，名字叫做去除html代碼。
下面我們研究一下，這個函數的内容，如下圖
因為使用了正則表達式，因此，在程序運行前，必須導入模塊re
第3行，導入我們所需要的re模塊，我們想用到正則表達式
第5行，定義函數
第6行，用右尖括号分格隔成列表
第8行，對列表元素進行遍曆
第9行，使用正則挑出有效的内容，其實就是去除以前孤立的右尖括号的内容。
第10行，對有效的内容進行左尖括号分隔
第11行，左尖括号前面的内容就是有效的文字内容
完整的程序如下
下面我們對程序進行下測試，在上一章中，程序運行後得到如下的内容（内容太長，隻截取一小部分）
本次程序改造後，運行得到下面的内容
從上面兩個圖片可以看出，我們确實把文字内容提取出來了。
,
zpostcode 
Recruit 
weather 
mreligion 
Yellowpages 
sport 
constellation 
shopping 
name 
game 
directory 
literature 
Word 
tour 
furnish 
Lottery 
tftnews 
lyrics 
News 
digital 
car 
dir 
Edu 
Finance 
