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. debian - docker依賴的aufs-tools源碼哪里可以找到啊？2. dockerfile - 我用docker build的時候出現下邊問題 麻煩幫我看一下3. angular.js使用$resource服務把數據存入mongodb的問題。4. docker gitlab 如何git clone？5. docker 下面創建的IMAGE 他們的 ID 一樣？這個是怎么回事？？？？6. macos - mac下docker如何設置代理7. javascript - 連續點擊觸發mouseleave事件8. docker網絡端口映射，沒有方便點的操作方法么？9. docker start -a dockername 老是卡住，什么情況？10. docker api 開發的端口怎么獲取？
網公網安備