Python 靓汤上标

如何从所有文本中删除上标？我有下面的代码，可以获取所有可见的文本，但是脚注的上标把事情搞砸了。如何移除它们

例如，

活动账户（1）、（2）

，

（1）、（2）

是可见的上标

from bs4 import BeautifulSoup
from bs4.element import Comment
import requests


f_url='https://www.sec.gov/Archives/edgar/data/1633917/000163391718000094/exhibit991prq12018pypl.htm'

def tag_visible(element):
    if element.parent.name in ['style', 'script', 'head', 'title', 'meta', '[document]']:
        return False
    if isinstance(element, Comment):
        return False
    return True


def text_from_html(body):
    soup = BeautifulSoup(body, 'html.parser')
    texts = soup.findAll(text=True)
    visible_texts = filter(tag_visible, texts)  
    return u" ".join(t.strip() for t in visible_texts)

html = requests.get(f_url)
text= text_from_html(html.text)

---

BeautifulSoup函数返回输入中所有单个离散HTML元素的列表（

find_all

是在BeautifulSoup 4中使用的合适函数，优先于

findAll

）。下一个函数遍历此列表并删除其回调例程返回的项

False

。回调函数测试每个代码段的标记名，如果它在不需要的列表中，则返回

False

，否则返回

True

如果这些上标始终由正确的HTML标记

sup

指示，则可以将其添加到回调函数中的不需要列表中

可能的陷阱有：

假设使用了文字（语义正确）标记

sup

，而不是仅指定

垂直对齐：上标的类或范围在其CSS中
假设您希望除去此上标标记中的所有元素。如果有例外（“20世纪”），你可以检查文本内容；例如，仅当其内容都是数字时才删除。如果有例外（“a2=b2+c2”），您必须检查更广泛的背景，或建立包含/排除的白名单或黑名单
哇！不知道
sup
是一个选项。把它写在下面的答案中，我会给你评分。很高兴我能帮上忙——幸好最基本的解决方案奏效了！（根据可能不起作用的原因）如果您遇到其中一个原因需要帮助微调
tag_visible
函数，请说出来。它可能需要一个HTML示例。