從多個html文件中讀取文本併合併到不同的html文件中python腳本

Question

我正在寫一個python腳本，其中一個循環將運行並通過名稱中的字符串'_CriteriaOutput.html'在多個目錄中查找特定的html頁面。每個目錄包含多個html文件和包含上述字符串的4-5個html文件。我想要做的就是用'_CriteriaOutput.html'名稱讀取這些html文件，並將其合併到不同的html文件中。我會在下面給我的代碼（無論我迄今爲止做了什麼）。這段代碼讀取了我無用的html文件的源代碼。我想只有文字（如果HTML文件中的任何存在）

import os 
import fileinput 

NightlyLogs = r'C:/Users/<user>/Desktop/Nightly_Logs/2015_07_16-0940' 
dir = [fol for fol in os.listdir(NightlyLogs) if os.path.isdir(os.path.join(NightlyLogs, fol))] 
dir = sorted(dir) 
for folder in dir: 
    HtmlLoc = r'%s/%s' %(NightlyLogs, folder) 
    abc = [file for file in os.listdir(HtmlLoc) if file.endswith('_CriteriaOutput.html')] 
    for one in abc: 
     HtmlFile = r'%s/%s' %(HtmlLoc, one) 
     open_file = open(HtmlFile, 'r') 
     print open_file.read() 

NightlyLogs是其中包含的文件夾與CL（變更表）名的位置（如876564或865664等）。每個HTML文件（例如A_CriteriaOutput.html或B_CriteriaOutput.html名稱）包含特定系列（比如說A或B或C等）的信息，每個具有特定CL名稱的文件夾都包含相似的_CriteriaOutput.html文件，其中僅包含該CL 。我想創建一個CL作爲列，A，B，C，D，E作爲行的表，其中將包含該特定系列的信息。我試圖具體，但如果你認爲一些信息缺失，請幫助我學習。我會盡力提供儘可能多的信息。謝謝。

Answer 1

所以你的問題是

我想打一個表，CL作爲柱，A，B，C，d，E爲一行將包含該特定系列的信息。

是這樣的嗎？

876564 | 865664 | ... 
A | ... | ... | ... 
B | ... | ... | ... 

如果我正確地讀你的問題，變更名稱（876564，...）是文件夾名稱和A，B，......是文件名的一部分，_CriteriaOutput.html之前。

我首先會以類似的方式從所有文件中收集數據，並最終以任何您想要的方式打印它們。一些示例性數據的

import os 
import fileinput 

def pretty_print(change_list): 
    change_names = [] 
    for category_name, category_list in sorted(change_list.items()): 
     for change_name in category_list.keys(): 
      if change_name not in change_names: change_names.append(change_name) 
    header = [''] 
    header.extend(change_names) 
    list_of_lists = [] 
    list_of_lists.append(header) 
    for category, category_list in sorted(change_list.items()): 
     titles = [category] 
     for name in change_names: 
      try: 
       titles.append(category_list[name]) 
      except KeyError: 
       titles.append('-') 
     list_of_lists.append(titles) 

    for line in list_of_lists: 
     print '\t'.join(line) 

change_list = {} 
NightlyLogs = r'C:/Users/<user>/Desktop/Nightly_Logs/2015_07_16-0940' 
dir = [fol for fol in os.listdir(NightlyLogs) if os.path.isdir(os.path.join(NightlyLogs, fol))] 
dir = sorted(dir) 
for folder in dir: 
    HtmlLoc = r'%s/%s' %(NightlyLogs, folder) 
    abc = [file for file in os.listdir(HtmlLoc) if file.endswith('_CriteriaOutput.html')] 
    for one in abc: 
     change_name = one.split('_')[0] 
     if change_name not in change_list: 
      change_list[change_name] = {} 
     HtmlFile = r'%s/%s' %(HtmlLoc, one) 
     open_file = open(HtmlFile, 'r') 
     file_content = open_file.read() 
     print change_name, '|', folder, '|', file_content 
     change_list[change_name][folder] = file_content 

print '\nTable of changes:' 
pretty_print(change_list) 

輸出（第一文件/文件夾名稱/內容而讀取被打印，後來與pretty_print()表獲取打印）：

A | 876564 | foo 
B | 876564 | foo B 
A | 876565 | foobar 
B | 876565 | foo 
A | 876566 | bar 
C | 876566 | bar C 

Table of changes: 
    876564 876565 876566 
A foo  foobar bar 
B foo B foo  - 
C -  -  bar C