清除html2tx后的文本

Question

我用lxml把html转换成txt。随着解析、转换和清理（制表符、空格、空行）功能的一些部分准备就绪，程序启动并运行，我几乎达到了我想要的地方。在

然而，在我用大约一百个htmls（都来自不同的站点）尝试我的代码后，我发现了一些异常，例如：

#wrapper #PrimaryNav {margin:0;*overflow:hidden;}
a.scbbtnred{background-position:right -44px;}
a.scbbtnblack{background-position:right -176px;}
.ghsearch{width:58px;height:21px;line-height:21px;background-position:0 -80px;}
a.scbbtnred span span{background-color:#f00;background-position:0 -22px;}

我想这些是CSS？或者其他的网络编程。但我对这些完全不熟悉。在

问题：这些线是什么？有什么建议可以让这些线路顺利运行吗？在

---

编辑：下面是我在这个问题之前是如何做的，以供以后在这篇文章中出现的任何人参考（对于python来说，这里有很多东西可以改进，但对我来说效果不错）：

^{pr2}$

Answer 1

这确实是CSS。你会得到这样的文件：

<style>
#wrapper #PrimaryNav {margin:0;*overflow:hidden;}
a.scbbtnred{background-position:right -44px;}
a.scbbtnblack{background-position:right -176px;}
.ghsearch{width:58px;height:21px;line-height:21px;background-position:0 -80px;}
a.scbbtnred span span{background-color:#f00;background-position:0 -22px;}
</style>
<div>
    <p>This bit is HTML</p>
</div>

在分析出文本之前，您需要删除所有style标记。在