Python，使用正则表达式消除尖括号内的行

Question

我正在编写一个python脚本，将语法类别分配给多个文本文件中的单词。在每个文本文件中，我有尖括号内的文件头＆lt;＆gt;。在整个文本中还有其他行，其中包含时间戳，页码和来自抄录员的问题等信息。我想删除这些行。这基本上是文本文件的样子：

<title      Titipuru Supay>
<speaker    name>
<sex        female>
<dialect    Pastaza>
<register   narrative>
<contributor    name>

chan; payguna serenkya man chiga; 
<ima?> 
payguna kirina man, chiga, mana 
shayachira; ninagunan shi tujsirani nira: 
illaparani nira shi illapay 
<173> 
pasasha, ima shi kasna nin, nisha,

即使每个文件中的标题数量相同，另一个＆lt;＆gt;材料各不相同，所以我不能只消除特定的线条。所以我想我会尝试一些像re.sub语句这样简单的东西来删除其中的所有内容＆lt;＆gt;并包括括号。

with open(file, encoding='utf-8') as file_in:
        text = file_in.read()
        re.sub(r"<.*>", " ", text)

我试过＆lt;。*＆gt;在pythex.org和regex101上，它在两个地方都有一个测试字符串，但不在我的脚本中（是的，我有导入重新编写）。我还尝试了其他解决方案，例如：\<.*\>

我只是没有正确的正则表达式或者更深层次的东西吗？

Answer 1

字符串不可变，这意味着它们无法修改，只能重新分配。 re.sub(...)正在运行，但它会返回 new 字符串。试试这个：

text = re.sub(r"<.*>", " ", text)

如果仍然无效，请向我们提供有关您问题的更多信息

Answer 2

根据我的理解，您可能在同一行上有多个<...>。在这种情况下，使用否定的字符类解决方案会更安全：

text = re.sub(r"<[^>]*>", " ", text)

当然，text变量应该更新，因为Python字符串是不可变的，正则表达式现在匹配<，然后除了>以外的零个或多个字符，然后是>。

请参阅regex demo