我有几百个长文件，每个文件中都有重复的HTML块，我将不需要用于进一步的文本分析，因此我想去掉它们，因为它们在分析这些文件时占用了相当多宝贵的内存。

这些HTML块偶尔会被换行符打破。 与常规HTML一样，可移动块始终以开头，以结尾。

我的方法如下:

content = inputfile.read()
pattern = re.compile('<!DOCTYPE.*[\s\S]*<\/html>')
match = pattern.findall(content)

但是，这总是只返回一个单一的匹配。 正则表达式正确地标识了的第一个实例和的最后一个实例。 因此，即使我在文档中有10,000个HTML块要使用

content = re.sub(pattern, '', content)

只找到了一个匹配项，因此，几乎我的整个文件都被删除了。

我怎样才能在整个文档中分别找到所有的HTML块呢？

附注:我用的是Python3.x，我的操作系统是Windows10。