python - 關(guān)于代碼的優(yōu)化問題
問題描述
我新手寫的代碼，用來處理爬蟲下來的htm文件內(nèi)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(wǎng)站下來的，和網(wǎng)頁另存為沒什么區(qū)別。
想大神們幫我看看我的代碼，怎么優(yōu)化不會有遺漏。比較小白的代碼，麻煩了?。。?/p>
# -*- 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)
問題解答
回答1：filename_list = glob.glob(’.html’) + glob.glob(’.htm’)
相關(guān)文章：
1. docker 17.03 怎么配置 registry mirror ?2. css3里rotate怎么實(shí)現(xiàn)如圖的效果3. javascript - 使用location.href進(jìn)行頁面跳轉(zhuǎn)時(shí)，并不立即跳轉(zhuǎn)？4. mysqld無法關(guān)閉5. angular.js - angularJS service里面存儲的數(shù)據(jù)能夠直接和HTML頁面交互嗎？6. html - chrome 下 transiton translateX(10px) 后字體變化7. spring-mvc - eclipse java maven web 項(xiàng)目如何重新編譯 ，不是clean那個(gè) 詳情進(jìn)來看圖 謝謝大家8. javascript - 七牛接口如何在前端調(diào)用？9. html - css 的::-webkit-scrollbar 只能夠設(shè)置垂直滾動條的寬度？？如何設(shè)置水平滾動條的寬度??10. javascript - vue-cli項(xiàng)目中，獲取微信access_token時(shí)遇到的跨域問題
網(wǎng)公網(wǎng)安備