完成巨量html标签的去除（bs4的妙用）

1、python、pip、bs4的安装，bs4用pip install命令获取

2、先看原始文件，全是html标签，总共1.7亿字

4、打开python命令行（这里我为了看起来方便用了idel，但是命令行处理能力较强）载入BeautifulSoup模块来去除html标签

6、然后用open 'r' 读取文件，168Mb纯文本，几秒就读完了。因为文本中含有中文，要加encoding='utf-8'，否则会出错。

8、关掉python，可以看到新文件已经缩减为了原来的四分之一