如果你想消除 HTML 标签并提取纯文本，以下是一些轻量级的 Python 库，适合做这类操作：

1. html2text

html2text 是一个简单的库，可以将 HTML 转换为纯文本，并且格式化良好，适合将 HTML 转换为更具可读性的文本。

安装：

pip install html2text

使用示例：

import html2text

html_content = "<p>This is a <b>test</b> paragraph.</p>"
text_maker = html2text.HTML2Text()
plain_text = text_maker.handle(html_content)

print(plain_text)

输出：

This is a **test** paragraph.

2. BeautifulSoup (与 lxml 或 html.parser 结合使用)

BeautifulSoup 是一个非常强大的 HTML 解析库，你可以用它来去除 HTML 标签并提取纯文本。它支持各种 HTML 解析器，包括 html.parser 和 lxml。

安装：

pip install beautifulsoup4

使用示例：

from bs4 import BeautifulSoup

html_content = "<p>This is a <b>test</b> paragraph.</p>"
soup = BeautifulSoup(html_content, "html.parser")
plain_text = soup.get_text()

print(plain_text)

输出：

This is a test paragraph.

3. html（标准库）

Python 标准库中有一个 html 模块，提供了 escape() 和 unescape() 方法，但它并不直接从 HTML 中提取文本。如果你已经有 HTML 实体编码（如 <, &），你可以使用 html 来解码它们。

如果你仅仅是想提取文本并忽略标签，html 可能不如 BeautifulSoup 或 html2text 方便，但如果你的需求很简单，它也能做到。

使用示例：

import html

html_content = "<p>This is a &lt;b&gt;test&lt;/b&gt; paragraph.</p>"
plain_text = html.unescape(html_content)

print(plain_text)

输出：

<p>This is a <b>test</b> paragraph.</p>

然而，html.unescape() 并不会移除 HTML 标签，它只是解码 HTML 实体字符。如果需要去掉标签，BeautifulSoup 或 html2text 会更适合。

4. lxml

lxml 是一个非常强大的库，能够高效地解析和处理 HTML/XML。它可以与 BeautifulSoup 一起使用，但 lxml 本身也可以非常高效地去除标签并提取文本。

安装：

pip install lxml

使用示例：

from lxml import html

html_content = "<p>This is a <b>test</b> paragraph.</p>"
tree = html.fromstring(html_content)
plain_text = tree.text_content()

print(plain_text)

输出：

This is a test paragraph.

总结：

• html2text：非常轻量，适合需要转换为带格式文本的场景。
• BeautifulSoup：非常流行，功能全面，适合解析和清理 HTML 内容。
• lxml：高效且强大，适用于更复杂的 HTML/XML 解析任务。