这样的特定标签会有所帮助，但这依赖于语义化HTML的使用，而这在不同网站之间并不总是一致的。还要注意到，上述简单提取仍然包含了

中

\"\"\" soup = BeautifulSoup(html_doc, 'lxml') # 要删除的标签 tags_to_remove = ['script', 'style', 'nav', 'header', 'footer', 'aside'] # 也删除通过常见样板内容类/ID识别的元素（示例） selectors_to_remove = ['.sidebar', '#ads'] for tag_name in tags_to_remove: for tag in soup.find_all(tag_name): tag.decompose() # 删除标签及其内容 for selector in selectors_to_remove: for tag in soup.select(selector): # 使用CSS选择器 tag.decompose() # 从修改后的BeautifulSoup对象中提取文本 cleaned_text = soup.get_text(separator=' ', strip=True) print(\"基于规则删除后的文本：\") print(cleaned_text) # 输出：示例页面 这是我们希望保留的主要文章内容。 # 它讨论了重要主题。另一个有用的信息段落。尽管基于规则的方法在移除显而易见的样板内容方面很有效，但它们也有限制。它们可能很脆弱；网站内容结构各异，依赖

等特定标签或 sidebar 等类名并非普遍可靠。如果例如，图的标题放在