删除分割tex的MS Word XML标记

Question

我尝试使用python正则表达式编辑文本，该正则表达式源自其他人创建的msword文档。文档有需要保留的特定格式和公式。我将.docx文件保存为.xml并用python进行编辑。不幸的是，Word添加了XML标记，这些标记将单词分割开来，并扰乱了我的正则表达式。示例（这是Word输出的格式）：

awe</w:t></w:r><w:r w:rsidRPr="00106B67"><w:rPr><w:rFonts w:ascii="Arial" w:hAnsi="Arial" w:cs="Arial"/><w:sz w:val="21"/><w:szCs w:val="21"/></w:rPr><w:t>some

我尝试用正则表达式删除标记，但收效甚微。感谢您的帮助。你知道吗

编辑：解决方案不必合并Python或regex

Answer 1

这不是一个真正的正则表达式，但试试这个大小：

s = """awe</w:t></w:r><w:r w:rsidRPr="00106B67"><w:rPr><w:rFonts w:ascii="Arial" w:hAnsi="Arial" w:cs="Arial"/><w:sz w:val="21"/><w:szCs w:val="21"/></w:rPr><w:t>some"""

answer = []
depth = 0
for char in s:
    if char == "<": depth += 1
    elif char == ">": depth -= 1

    if depth: continue
    if char == ">": continue

    answer.append(char)

print(''.join(answer))