服务器之家

服务器之家 > 正文

python批量获取html内body内容的实例

时间:2021-05-10 00:29     来源/作者:STKi

现在有一批完整的关于介绍城市美食、景点等的html页面,需要将里面body的内容提取出来

方法:利用python插件beautifulSoup获取htmlbody标签的内容,并批量处理。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
# -*- coding:utf8 -*-
 
from bs4 import BeautifulSoup
import os
import os.path
import sys
reload(sys)
sys.setdefaultencoding('utf8')
 
 
def printPath(level,path):
    global allFileNum
    #所有文件夹,第一个字段是此目录的级别
    dirList = []
 
    #所有文件
    fileList = []
 
    #返回一个列表,其中包含在目录条目的名称
    files = os.listdir(path)
 
    #先添加目录级别
    dirList.append(str(level))
 
    for f in files:
        if(os.path.isdir(path+'/'+f)):
            #排除隐藏文件夹,因为隐藏文件夹过多
            if(f[0] == '.'):
                pass
            else:
                #添加隐藏文件夹
                dirList.append(f)
        if(os.path.isfile(path+'/'+f)):
            #添加文件
            fileList.append(f)
    return (dirList,fileList)
 
#将文件html文件抓取并写入指定txt文件
def getAndInsert(rootdir,savepath,path):
    global file_num
    f_list = os.listdir(rootdir+'/'+path)
    for i in f_list:
        temp = os.path.splitext(i)[0]
        for num in range(1,11):
            if(i==str(num)+'.html'):
                #print rootdir+'/'+path+'/'+i
                objFile = open(rootdir+'/'+path+'/'+i)
                soup = BeautifulSoup(objFile)
                arr = []
                for child in soup.body:
                    arr.append(child)
                if os.path.exists(savepath+'/'+path):
                    pass
                else:
                    os.makedirs(savepath+'/'+path)
                f = open(savepath+'/'+path+'/'+temp+'.txt','w')
                for k,v in enumerate(arr):
                    if k!=1:
                        f.write(str(v))
                f.close()
                print path+'/'+i+' is running'
    file_num = file_num + 1
            
 
rootdir = '../zips2'
dirList,fileList = printPath(1,rootdir)
 
savepath = "../testC"
file_num = 0
 
for fn in dirList:
    if(fn == '1'):
        pass
    else:
        getAndInsert(rootdir,savepath,fn)
        print fn+' is ending'
print '一共完成'+str(file_num)+'个城市的提取'

以上这篇python批量获取html内body内容的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持服务器之家。

原文链接:https://blog.csdn.net/dnidong/article/details/76646429

标签:

相关文章

热门资讯

2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全
2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全 2019-12-26
yue是什么意思 网络流行语yue了是什么梗
yue是什么意思 网络流行语yue了是什么梗 2020-10-11
背刺什么意思 网络词语背刺是什么梗
背刺什么意思 网络词语背刺是什么梗 2020-05-22
苹果12mini价格表官网报价 iPhone12mini全版本价格汇总
苹果12mini价格表官网报价 iPhone12mini全版本价格汇总 2020-11-13
2021德云社封箱演出完整版 2021年德云社封箱演出在线看
2021德云社封箱演出完整版 2021年德云社封箱演出在线看 2021-03-15
返回顶部