美汤去掉上标

如何从所有文本中删除上标？我下面的代码可以获取所有可见文本，但是脚注的上标把事情弄乱了。我该如何删除它们？

例如Active accounts (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find_all https://www.crummy.com/software/BeautifulSoup/bs4/doc/#find-all返回输入中所有单个离散 HTML 元素的列表 (find_all是在 BeautifulSoup 4 中使用的正确函数，并且优先于findAll）。下一个函数，filter https://docs.python.org/3/library/functions.html#filter，遍历此列表并删除其回调例程返回的项目False。回调函数测试每个片段的标签名称并返回False如果它在不想要的列表中，True否则。

如果这些上标始终由正确的 HTML 标记指示sup然后您可以将其添加到回调函数中的不需要列表中。

可能的陷阱是：

1. 假设文字（语义正确）标签sup使用，而不是，例如，仅仅使用一个类或一个跨度指定 vertical-align: superscript;在它的 CSS 中；
2. It is assumed that you want to get rid of all elements that are in this superscript tag. If there are exceptions ("the 20^th century"), you can check the text contents; for example, only remove if its contents are all numerical. If there are exceptions to that ("a² = b² + c²"), you will have to check for a wider context, or build a whitelist or blacklist of inclusions/exclusions.