python - 關于代碼的優化問題
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(’’’, ’’, 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’)
相關文章：
1. 淺談vue生命周期共有幾個階段？分別是什么？2. macos - mac下docker如何設置代理3. java - Spring使用@Autowired失效但是getBean()可以執行成功4. css3 - flex box舊版可以實現新版中的wrap換行嗎？5. java - hibernate正向工程生成一對多關系模型無報錯，但是只生成了一張表6. Java EE 6：JSF與Servlet + JSP我應該學習JSF嗎？7. javascript - js正則匹配小括號中的內容8. javascript - webpack 怎么在壓縮時候刪除換行9. index.php錯誤，求指點10. 微信公眾號在線生成二維碼帶參數怎么搞？
網公網安備