如何打開多個 .html 文件並使用 Python (pyCharm) 刪除標簽

Question

我目前正在用 Python 開發一個項目，我必須編寫一個程序來從 HTML 文件中刪除所有標簽（因此只保留文本），但我需要為大約 1000 個 HTML 文件執行此操作。

這是我用於刪除標簽的代碼：

with open('/inetpub/wwwroot/content/html/eng/0320-0130.htm') as html_file:
    source = html_file.read()
    html = HTML (html = source)



print(html.text)

&

這是打開它們多個 HTML 文件的代碼：

import glob
path = '/inetpub/wwwroot/content/html/eng/*.htm'
files=glob.glob(path)
for file in files:
    f=open(file, 'r')
    print('%s' % f.readlines())
    f.close()

我不知道如何組合這些代碼，也不知道這種組合需要哪些代碼。 有什么建議 ？

Answer 1

也許你因為第一個中使用的with上下文而感到困惑，但是將這兩個程序結合起來相當簡單

import glob


def get_html_text(html_file):
    source = html_file.read()
    html = HTML(html=source)
    return html.text


path = '/inetpub/wwwroot/content/html/eng/*.htm'
files = glob.glob(path)
html_texts = []
for file in files:
    f = open(file, 'r')
    html_texts.append(get_html_text(f))
    f.close()
print(len(html_texts))
# print(html_text) # this may lay huge print to your screen if you have many files

在with環境中的所有它在你上面的程序做的是，它定義了入口和出口的行動，也就是在下進入這段代碼with背景，你打開該文件，並在離開它，文件被關閉。 您不需要它，因為您已經在調用第一個程序的第二個程序中手動關閉了該文件。