有很多模塊，例如lxml，Beautiful湯，nltk和pyenchant，可以正確過濾出正確的英語單詞。但是，然后是什么最干凈的最短方法，例如html2text，如果也可以取消降價促銷（我寫的時候，右邊有很多類似的問題）可能有一個通用的正則表達(dá)式可以刪除所有的html。標(biāo)簽？def word_parse(f):    raw = nltk.clean_html(f) #f = url.content here, from "requests" module    regex = r'[a-zA-Z]+' # | ^[a-zA-Z]+\b'    match = re.compile(regex)    ls = []    for line in raw.split():        for mat in line.split():            try:                v = match.match(mat).group()                map(ls.append, v.split())            except AttributeError, e:                pass有人可以建議一些好的代碼片段嗎？有人可以在這里建議更簡潔，更優(yōu)化的代碼嗎？