Python-beautifulsoup，应用于文件夹中的每个文本文件并生成新的文本文件

Question

我正在使用以下Python-Beautifulsoup代码从文本文件中删除html元素：

from bs4 import BeautifulSoup

with open("textFileWithHtml.txt") as markup:
    soup = BeautifulSoup(markup.read())

with open("strip_textFileWithHtml.txt", "w") as f: 
    f.write(soup.get_text().encode('utf-8'))

我的问题是如何将该代码应用于文件夹（目录）中的每个文本文件，并为每个文本文件生成一个新的文本文件，该文件将被处理并删除html元素等，而无需调用每个文本文件的功能？

Answer 1

使用glob模块，您可以列出目录中的所有文件：

import glob
for path in glob.glob('*.txt'):
    with open(path) as markup:
        soup = BeautifulSoup(markup.read())

    with open("strip_" + path, "w") as f: 
        f.write(soup.get_text().encode('utf-8'))

如果您还想递归地对每个子文件夹执行此操作，请查看os.walk

Answer 2

我将把工作留给OS，只需用argv数组中的外部源输入替换硬编码的输入文件，然后在循环内或使用与许多文件匹配的正则表达式调用脚本，例如：

from bs4 import BeautifulSoup
import sys

for fi in sys.argv[1:]:
    with open(fi) as markup:
        soup = BeautifulSoup(markup.read())

    with open("strip_" + fi, "w") as f: 
        f.write(soup.get_text().encode('utf-8'))

像这样运行：

python script.py *.txt