beautifulsoup解析文件夹中的每个html文件webscrapping

Question

我的任务是从目录中读取每个html文件。条件是找到每个文件是否包含标签

(1) <strong>OO</strong> 
(2) <strong>QQ</strong> 

然后

Answer 1

你write函数嵌套在for循环，这就是为什么你写的多条线路到您的index.txt，只需移动write退出循环和把你的所有文字党的变量parti_names这样的：

participants = soup.find(find_participant) 
parti_names = "" 
for parti in participants.find_next_siblings("p"): 
    if parti.find("strong", text=re.compile(r"(Operator)")): 
     break 
    parti_names += parti.get_text(strip=True)+"," 
    print parti.get_text(strip=True) 

indexFile = open('index.txt', 'a+') 
indexFile.write(filename + ', ' + title.get_text(strip=True) + ticker.get_text(strip=True) + ', ' + d_date.get_text(strip=True) + ', ' + parti_names + '\n') 
indexFile.close() 

更新：

您可以basename工作得到的文件名：

from os.path import basename 

# you can call it directly with basename 
print(basename("C:/Users/.../output/100107-.html")) 

输出：

100107-.html