python - 关于代码的优化问题
问题描述
我新手写的代码，用来处理爬虫下来的htm文件内容,虽然解决问题，但是会有遗漏文件不处理。爬虫是爬一些文章的网站下来的，和网页另存为没什么区别。
想大神们帮我看看我的代码，怎么优化不会有遗漏。比较小白的代码，麻烦了！！！
# -*- coding: utf-8 -*import reimport globfilename_list = glob.glob(’*.html’)for i in filename_list: txt = '' with open(i, 'r') as htmfile:txt = htmfile.read() scdy = r'<hr[sS]*?<hr' onedotxt = re.findall(scdy, txt) if onedotxt:r = onedotxt[0] twotxt=re.sub(’<[^>]*>’, ’’, r) threetxt=re.sub(’<hr’, ’’, twotxt) fourtxt=re.sub(’’’, ’’, threetxt) fivetxt=re.sub(’”’, ’'’, fourtxt) sixtxt=re.sub(’“’, ’'’, fivetxt)endstr=re.sub(’–’, ’-’, sixtxt) name = endstr.split(’n’)[1] with open(name+'.txt', 'w') as wf: wf.write(endstr)
问题解答
回答1：filename_list = glob.glob(’.html’) + glob.glob(’.htm’)
相关文章：
1. javascript - 如何用最快的速度C#或Python开发一个桌面应用程序来访问我的网站？2. java - springMVC配置的controller无法返回jsp文件3. javascript - weex和node,js到底是怎样一个关系呢？4. javascript - 项目用IE浏览器打开修改前端内容，后台数据修改了，但是前端页面内容不变，用谷歌浏览器测试前端页面可以刷新，求大神解决。5. mysql 存储过程 和 函数有什么用？？6. python - 关于beautifulsoup获取文档内容7. android的checkbox在xml添加和在java代码中添加样式不一样？8. javascript - 看一些高手写代码单独用 “$”和“_” 来表示变量，什么时候单独使用这两个字符？9. 前端 - 使用vue2服务端渲染的时候，如何在服务端请求数据，然后给vue渲染10. mysql - jdbc的问题
网公网安备