遍历并使用目录中的 HTML 文件 - python

【问题标题】：iterate through and use HTML files in a directory - python遍历并使用目录中的 HTML 文件 - python
【发布时间】：2016-12-06 14:02:41
【问题描述】：

我需要遍历给定目录中的 .html 文件并从其中刮取数据。到目前为止这是我的代码，我将如何访问里面的脚本？

import os
directory ='/Users/xxxxx/Documents/sample/'
for filename in os.listdir(directory):
    if filename.endswith('.html'):
        print(os.path.join(directory,filename))
    else:
        continue

（系统：Mac/Python3.x）

【问题讨论】：

标签： html python-3.x screen-scraping

【解决方案1】：

你可以这样做：

import os
from bs4 import BeautifulSoup

directory ='/Users/xxxxx/Documents/sample/'
for filename in os.listdir(directory):
    if filename.endswith('.html'):
        fname = os.path.join(directory,filename)
        with open(fname, 'r') as f:
            soup = BeautifulSoup(f.read(),'html.parser')
            # parse the html as you wish

【讨论】：