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?。?！
# -*- 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. javascript - node.js promise沒用2. node.js - nodejs如何發(fā)送請求excel文件并下載3. 為什么我ping不通我的docker容器呢？？？4. docker-machine添加一個已有的docker主機問題5. golang - 用IDE看docker源碼時的小問題6. java - 我在用Struts2上傳文件時，報以下錯誤怎么回事？7. android 如何實現(xiàn)如圖中的鍵盤上的公式及edittext的內(nèi)容展示呢8. mysql - 求SQL語句9. MySQL如何實現(xiàn)表中再嵌套一個表？10. PHP注冊功能
網(wǎng)公網(wǎng)安備