试图删除标签但快速耗尽内存

Question

我正在尝试做一些简单的事情，即从HTML代码中删除所有非常大的csv文件（3 GB）行的标记。我尝试使用以下代码的美丽汤

remove_tags=['p','li','ul','pre','h1']   
soup=BeautifulSoup(row[1])
for tag in remove_tags:
    for match in soup.findAll(tag):
           match.replaceWithChildren()

然而，对于这么大的文件，我很快耗尽内存并发生内存错误（我的机器上甚至有很多RAM，因此必须使用大量内存）。所以我想知道是否有人知道这样做的内存密集度较低的方法。也许正则表达式可以通过使用＆lt;＆gt;删除所有内容来实现。 （但是，我不知道如何使用正则表达式）

注意：我想删除各种HTML标记。刚刚构造了上面代码中的remove_tags列表，因为这些都是我在数据中可以看到的，所以如果有一个方法不需要指定标记名，那也可以。

Answer 1

使用（非常）天真的正则表达式方法：

import re
re.sub(r'<[^>]+>', '', row)