我用的是 html2text 解析本地 .html 文件和它的工作很好。
但是，如果我跑过去 Hadoop Streaming 解析存储在 HDFS :

hadoop jar /opt/cloudera/parcels/CDH-5.8.0-1.cdh5.8.0.p0.42/jars/hadoop-streaming-2.6.0-cdh5.8.0.jar -D mapreduce.job.reduces=0  -input /user/root/mapreduce/input2/xxx.html -output /user/root/mapreduce/output8  -mapper html2text.py

结果的第二部分 hdfs 包含预期的正确结果。但是，初始部分包含一些应该删除的元素，如下所示：
if（document.url.indexof（'tv.sohu.com'）<=0）{删除this.rules[“sohu”]；}var handler=this.animationshandler.bind（this）；
document.body.addeventlistener（'webkitanimationstart'，handler，false）；document.body.addeventlistener（'msanimationstart'，处理程序，
我的问题是：为什么这部分没有出现时 html2text 是否在本地模式下运行？如何移除它们？