使用 python 将多个 .html 文件转换为 .txt 文件

Question

我的驱动器上有一个目录，其中有 many.html 个文件。这些文件在使用浏览器打开时包含文本。我有以下代码将一个 .html 转换为 .txt 文件。如何对所有文件进行迭代并将每个文件另存为 .txt 并使用其原始名称？

提前致谢

from bs4 import BeautifulSoup
markup = open("/content/drive/MyDrive/arc_Articlesww0c5e.html")
soup = BeautifulSoup(markup.read())
markup.close()
f = open("arc_Articlesww0c5e.txt", "w")
f.write(soup.get_text())
f.close()

Answer 1

这可能会让您了解如何继续：

import os
from bs4 import BeautifulSoup

your_dir = "/content/drive/MyDrive"

for file in os.listdir(your_dir):
    if file.endswith((".htm", ".html")):
        with open(os.path.join(your_dir, file)) as markup:
            soup = BeautifulSoup(markup.read())
        with open(file.split(".")[0]+".txt", "w") as f:
            f.write(soup.get_text())

使用 python 将多个 .html 文件转换为 .txt 文件

converting multi .html file into .txt files using python

python

beautifulsoup