使用BeautifulSoup（或其他一些Python解决方案）进行选择性解析

Question

我需要有选择地解析一个html文件。也就是说，我需要删除一些以类或id为条件的元素，同时保持文件的其余部分不变。我试了一下，然后跟着this suggestion。但是，在<pre>标记中包含html代码并没有真正起作用：BeautifulSoup仍然在html文件中引入了许多更改（例如，它反转了alt和src之间在img中的顺序）。相反，我需要的是文件的其余部分保持原样。你知道吗

下面是我的脚本（从STDIN获取一个html文件）：

import sys
from bs4 import BeautifulSoup

myfile = sys.stdin

with myfile:
    soup = BeautifulSoup("<pre>" + myfile.read() + "</pre>","lxml")

for element in soup.find_all(True,{'class':'sidenote'}):
    element.extract()

print(soup)

输出类似，只是有一些变化。例如，在输入文件中

<img src="fig/figura-06-01-b.jpg" alt="Figura 6.1b" />

变成

<img alt="Figura 6.1b" src="fig/figura-06-01-b.jpg"/>

我知道这是一个文件的小修改，这是无关的，如果文件的最终目的地是在网站上发布。但是，由于我需要进一步解析文件（以生成tex代码），这个更改迫使我修改其他脚本。你知道吗

我的问题更一般：有没有办法只改变作为输入的html文件的某些部分？你知道吗