如何使用python和bs4读取并覆盖文件夹中的所有*.txt文件？

Question

我有一个包含数千个文件的文件夹。我正在尝试使用 beautifulsoup4 解析其中的 XML 标签。

我可以单独为每个文件执行此操作，但无法使用 for 循环使我的脚本工作。

到目前为止，这是我的代码：

import bs4 as bs

import glob

path = r"~/Desktop/pythontest/*.txt"

files = glob.glob(path)

# ------------------------READ AND PARSE TEXT-----------------------------------------

for f in files:

    # open file in read mode

    source = open(f, "rt")

    # parse xml as soup

    soup = bs.BeautifulSoup(source, "lxml")

    soupText = soup.get_text()

    text = soupText.replace(r"\n", " ")

    # close file

    source.close()

# --------------------------OVERWRITE FILE---------------------------------------------

for f in files:

    # open file in write mode

    source = open(f, "wt")

    # overwrite the file with the soup

    source.write((text))

    # # close file

    source.close()

print(text)

当我运行它时，控制台给我这个：

Traceback (most recent call last):

  File "./camltest.py", line 34, in <module>

    print(text)

NameError: name 'text' is not defined

我怀疑这是范围问题，但无法修复。有什么建议么？谢谢

Answer 1

您可以在同一循环中简单地读取文件，然后写入文件。for f in files:&nbsp; &nbsp; source = open(f, "w+")&nbsp; &nbsp; soup = bs.BeautifulSoup(source, "lxml")&nbsp; &nbsp; soupText = soup.get_text()&nbsp; &nbsp; text = soupText.replace(r"\n", " ")&nbsp; &nbsp; source.write(text)&nbsp; &nbsp; source.close()

Answer 2

请注意，它text是在第一个 for 循环内定义的。如果files是空列表，则text永远不会被定义。