使用Python beautifulsoup选择除特定标记之外的所有内容

我有1000多个html文件，它们有不同的格式、元素和内容。我需要递归地遍历每个元素并选择除

元素之外的所有元素

这是一个示例文件（请注意，这是文件中最小和最简单的文件，其余文件大得多，更复杂，有许多不同的元素不符合任何单个模板，除了以

元素开头）：

---

我希望这将选择

元素下面的所有内容，但是它没有。使用

soup.select（“h1”）

只选择一行，而不选择它下面的所有内容。我该怎么办？

您是否考虑过使用

.decompose（）

删除

..

元素，然后只获取所有剩余部分？

您是否考虑过使用

.decompose（）

删除

..

元素，然后只获取所有剩余部分？

使用

.extract（）

删除选定的标记

output = None
with open("file.htm") as ip:
    #HTML parsing done using the "html.parser".
    soup = BeautifulSoup(ip, "html.parser")
    soup.h1.extract()
    output = soup

print(output)

使用

.extract（）

删除所选标记

output = None
with open("file.htm") as ip:
    #HTML parsing done using the "html.parser".
    soup = BeautifulSoup(ip, "html.parser")
    soup.h1.extract()
    output = soup

print(output)

output = None
with open("file.htm") as ip:
    #HTML parsing done using the "html.parser".
    soup = BeautifulSoup(ip, "html.parser")
    soup.h1.extract()
    output = soup

print(output)