av一区二区在线观看_亚洲男人的天堂网站_日韩亚洲视频_在线成人免费_欧美日韩精品免费观看视频_久草视

您的位置:首頁技術文章
文章詳情頁

python - 關于代碼的優化問題

瀏覽:156日期:2022-08-17 09:32:17

問題描述

我新手寫的代碼,用來處理爬蟲下來的htm文件內容,雖然解決問題,但是會有遺漏文件不處理。爬蟲是爬一些文章的網站下來的,和網頁另存為沒什么區別。

想大神們幫我看看我的代碼,怎么優化不會有遺漏。比較小白的代碼,麻煩了!!!

# -*- 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(’&#8217;’, ’’, threetxt) fivetxt=re.sub(’&#8221;’, ’'’, fourtxt) sixtxt=re.sub(’&#8220;’, ’'’, fivetxt)endstr=re.sub(’&#8211;’, ’-’, sixtxt) name = endstr.split(’n’)[1] with open(name+'.txt', 'w') as wf: wf.write(endstr)

問題解答

回答1:

filename_list = glob.glob(’.html’) + glob.glob(’.htm’)

標簽: Python 編程
相關文章:
主站蜘蛛池模板: 亚洲男人天堂 | 国产精品99久久久精品免费观看 | 欧美视频1区 | 色视频网站免费 | 国产高清久久 | 亚洲成人三级 | 国产电影一区二区在线观看 | 午夜在线视频 | 午夜精品久久久久久久久久久久久 | 久久久国产一区 | 91 在线| 日韩av大片免费看 | 午夜视频网站 | 亚洲精品在线免费 | 久日精品| 天天操天天干天天爽 | 欧美精品91 | www.操.com| 在线观看视频中文字幕 | 久久毛片| 国产精品久久久久一区二区 | 亚洲福利在线视频 | 色在线免费视频 | 亚洲国产一区二区视频 | 精品国产乱码久久久久久蜜臀 | 欧美日韩大片 | 亚州综合一区 | 一区二区三区在线免费观看 | 午夜精品一区二区三区免费视频 | 午夜日韩视频 | 日韩www| 亚洲第1页 | 亚洲一区二区三区视频 | 午夜寂寞影院列表 | 久久在线 | 99精品国产一区二区青青牛奶 | 亚洲欧美精品在线 | 中文字幕免费观看 | 日韩成人免费视频 | 亚洲一区二区三区国产 | 欧美精品一区二区在线观看 |