ΘΕΜΑ: regex remove html symbols

Καλησπέρα και πάλι σε όλους,

θα ήθελα βοήθεια σχετικά με την regular expression Που χρειαζομαι να χρησιμοποιήσω
ώστε να διώξω από το παρακάτω κομμάτι όλα τα σύμβολα
ώστε να μείνει μόνο το tag description και οι λεξεις ΚΕΙΜΕΝΟ1, ΚΕΙΜΕΝΟ2, ΚΕΙΜΕΝΟ3


πραγματικά εχω χαθεί στα regex,

ευχαριστώ

Θα πρέπει αρχικά να πεις(βρεις) ποιο είναι το pattern της πληροφορίας που θέλεις να αντλήσεις. Έτσι γενικά όπως το λες δεν βγαίνει άκρη. Λες θέλω να έχει μέσα το KEIMENO1. Τι διαφοροποιεί αυτό από τα υπόλοιπα (ότι είναι ελληνικά ασ πούμε ότι είναι κεφαλαία και αριθμοί ότι είναι ανάμεσα σε κενά).
Δεν ξέρω αν καταλαβαίνεις τι εννοώ.
Το να γράψεις ένα pattern να δουλεύει μόνο στο συγκεκριμένο παράδειγμα είναι απλό, δεν είναι όμως pattern.
Αν το κάνεις σαν εξάσκηση στα regex σκέψου το όπως σου λέω και φτιάξε ένα patterrn.
Αν το κάνεις ως task (θέλω να κάνω αυτό) υπάρχουν σίγουρα άλλα εργαλεία πιο κατάλληλα από regex ή μπορείς να κάνεις συνδυασμό.

Σε ευχαριστώ για το χρόνο σου Theo, ναι το κείμενο1, κειμενο2 κλπ είναι
ελληνικοί χαρακτήρες.

αυτό που παρατηρησα στο παραδειγμα που εβαλα είναι ότι οι χαρακτηρες/σύμβολα
δεν είναι τυχαίοι και επαναλαμβάνονται, οπότε θεωρησα ότι θα μπορουσα
με μια regex να τους αφαιρεσω. Όμως νομίζω ότι κατάλαβα πως δεν κοιτάζω τι θελω να
αφαιρεσω, αλλά τι θέλω να ΠΑΡΩ από τον κώδικα.

Πάντως για το συγκεκριμένο παράδειγμα τι θα μπορούσα να κάνω ώστε να "φυγουν" οι ειδικοί χαρακτήρες?

"Όμως νομίζω ότι κατάλαβα πως δεν κοιτάζω τι θελω να αφαιρεσω, αλλά τι θέλω να ΠΑΡΩ από τον κώδικα."

Αυτό είναι σχετικό. Ότι σε εξυπηρετεί, εγώ θα έκανα το πιό εύκολο

Παντώς σε τέτοιες περιπτώσεις με τυποποιημένα κείμενα υπάρχουν έτοιμες βιβλιοθήκες να κάνεις τη δουλεία σου νομίζω beautifoul soup ή html2text

Στο συγκεκριμένο πρόβλημα τώρα
ίσως μπορείς να κάνειςΤώρα που είναι λίγο πιο ξεκάθαρο και όλα είναι tags εκτός από κάτι ξεχασμένο
μετά το κείμενο3 μπορείς να κάνεις ένα pattern για tagΒλέπει όμως ότι σου άφησε υπόλοιμα το λάθος στην html αυτό δεν μπορείς να το πιάσεις εύκολα γιατί μπορεί να είναι οτιδήποτε

stackoverflow.com/questions/9662346/pyth...l-tags-from-a-string

οι λύσεις με το regex που προτείνονται στο S.O έχουν την ίδια ουσία με αυτό που πρότεινα (αντικατάσταση των tags με τίποτα)

Tα patternsΈνα 'λάθος' που έχει το δεύτερο είναι ότι δεν έχει μπροστά το r. To r είναι απαραίτητο σχεδόν σε όλες περιπτώσεις (εδώ είναι εξαίρεση )
To . είναι καλό να αποφεύγεται γενικά, εδώ σώζει την κατάσταση το ?.
Θα μπορούσε κάποιος να σκεφτεί να κάνει το pattern r'<.*>' που είναι λάθος.
To pat3 είναι το ίδιο με το 1 με τη διαφορά ότι δεν κάνει match κενά tag.
Υπάρχουν σίγουρα και άλλα patterns ή θα μπορούσαν να γραφτούν.