利用python爬虫，提取C:/Users/test/Desktop/DIDItest文件夹下每个文件夹内的html文件源代码，并提取源代码中的ID、时间、发送号码、接收号码、发送内容，如果发送内容为音频则提取音频所在位置，反之则保留发送内容，并将爬取的内容写入csv中 网页内源代码如下： <html> <meta http-equiv="Content=-Type" content="text/html; charset=utf-8"> <head> <link href="http://192.167.1.101/hint.css" rel="stylesheet"></link> </head> <body>[talkid:138031361]2014年4月20日 03:55:45 , <span class="hint-success" data-hint"">434343</span> 向 <span class="hint-success" data-hint="">232323</span> 发送 我们已经是好友了，开始聊天吧！ <p> ()</p> [talkid:138031362]2014年4月20日 04:45:45 , <span class="hint-success" data-hint"">434343</span> 向 <span class="hint-success" data-hint="">123456</span> 发送 音频 :[<ahref="files/f/f123fsasfsfsjdfrhf_n.m4a"]>音频</a> <p> ()</p> [talkid:138031363]2014年4月20日 04:55:45 , <span class="hint-success" data-hint"">434343</span> 向 <span class="hint-success" data-hint="">123456</span> 发送 音频 :[<ahref="files/f/f123fsasfsfsjdfrhf_n.jpg"]>图片</a> <p> ()</p> [talkid:138031364]2014年4月20日 05:55:45 , <span class="hint-success" data-hint"">434343</span> 向 <span class="hint-success" data-hint="">3234221</span> 发送 我们已经是好友了，开始聊天吧！ <p> ()</p> [talkid:138031365]2014年4月20日 06:55:45 , <span class="hint-success" data-hint"">434343</span> 向 <span class="hint-success" data-hint="">1359075</span> 发送 我们已经是好友了，开始聊天吧！ <p> ()</p> </body> </html>
时间: 2023-08-14 19:58:00 浏览: 104
你可以使用Python的beautifulsoup库来解析HTML文件并提取所需的内容。以下是一个示例代码，可以根据你的需求进行修改：
```python
import os
import csv
from bs4 import BeautifulSoup
# 文件夹路径
folder_path = 'C:/Users/test/Desktop/DIDItest'
# CSV文件路径
csv_file = 'output.csv'
# CSV文件列名
csv_columns = ['ID', '时间', '发送号码', '接收号码', '发送内容']
# 创建CSV文件并写入列名
with open(csv_file, 'w', newline='', encoding='utf-8') as file:
writer = csv.DictWriter(file, fieldnames=csv_columns)
writer.writeheader()
# 遍历文件夹内所有文件夹
for folder_name in os.listdir(folder_path):
folder = os.path.join(folder_path, folder_name)
if os.path.isdir(folder):
# 遍历文件夹内所有HTML文件
for file_name in os.listdir(folder):
if file_name.endswith('.html'):
file_path = os.path.join(folder, file_name)
# 解析HTML文件
with open(file_path, 'r', encoding='utf-8') as html_file:
soup = BeautifulSoup(html_file, 'html.parser')
# 提取所需内容
talk_id = soup.find('span', class_='hint-success').text.strip()
time = soup.find('body').contents[1].strip()
send_num = soup.find_all('span', class_='hint-success')[1].text.strip()
receive_num = soup.find_all('span', class_='hint-success')[2].text.strip()
send_content = soup.find_all('p')[1].text.strip()
# 如果发送内容为音频，则提取音频所在位置
if '音频' in send_content:
audio_link = soup.find('a', href=lambda href: href and '音频' in href)['href']
send_content = f'音频位置：{audio_link}'
# 写入CSV文件
writer.writerow({'ID': talk_id,
'时间': time,
'发送号码': send_num,
'接收号码': receive_num,
'发送内容': send_content})
```
该代码会在指定的文件夹路径下遍历每个文件夹，并提取每个文件夹内的HTML文件的源代码中的ID、时间、发送号码、接收号码和发送内容。如果发送内容为音频，则提取音频所在位置。最后，将提取的内容写入CSV文件中。请确保已安装beautifulsoup库，并将代码中的文件夹路径和CSV文件路径修改为你自己的路径。
阅读全文
相关推荐
网页内源代码模板如下： <html> <meta http-equiv="Content=-Type" content="text/html; charset=utf-8"> <head> </head> <body>[talkid:138031370]2014年4月20日 03:55:45 , 111222 向 232323 发送 我们已经是好友了，开始聊天吧！ () [talkid:138031371]2014年4月20日 04:45:45 , 111222 向 123456 发送 音频 :[<ahref="files/f/f123fsasfsfsjdfrhf_n.m4a"]>音频
() [talkid:138031372]2014年4月20日 04:55:45 , 111222 向 123456 发送 图片 :[<ahref="files/f/f123fsasfsfsjdfrhf_n.jpg"]>图片 () </body> </html> 利用python爬虫，打开C:/Users/test/Desktop/DIDItest文件夹下多个文件夹内的html文件源代码，并爬取源代码中的ID、时间、发送号码、接收号码、发送内容，如果发送内容不为文本，则提取文件所在链接地址，并将爬取的内容写入csv中网页内源代码模板如下： <html> <meta http-equiv="Content=-Type" content="text/html; charset=utf-8"> <head> </head> <body>[talkid:138031370]2014年4月20日 03:55:45 , 111222 向 232323 发送 我们已经是好友了，开始聊天吧！ () [talkid:138031371]2014年4月20日 04:45:45 , 111222 向 123456 发送 音频 :[<ahref="files/f/f123fsasfsfsjdfrhf_n.m4a"]>音频
() [talkid:138031372]2014年4月20日 04:55:45 , 111222 向 123456 发送 图片 :[<ahref="files/f/f123fsasfsfsjdfrhf_n.jpg"]>图片 () </body> </html> 利用python爬虫，打开C:/Users/test/Desktop/DIDItest文件夹下多个文件夹内的html文件源代码，并将源代码转换为字符串，爬取源代码字符串中的ID、时间、发送号码、接收号码、信息类型、发送内容，如果发送内容不为文本，则提取文件所在链接地址，并将爬取的内容写入csv中，talkid提取[]中talkid：后的数字、时间精确至年月日时分秒、发送号码提取第一个 data-hint"">之间的数字，接收号码提取第二个data-hint"">，信息类型就提取 发送与：之间的文字，如果没有：则定义为文字利用python爬虫，提取C:/Users/test/Desktop/DIDItest文件夹下多个文件内的html文件源代码，并提取源代码中的ID、时间、发送号码、接收号码、发送内容，如果发送内容为音频则提取音频所在位置，反之则保留发送内容，并将爬取的内容写入csv中 网页内源代码如下： <html> <meta http-equiv="Content=-Type" content="text/html; charset=utf-8"> <head> </head> <body>[talkid:138031361]2014年4月20日 03:55:45 , 434343 向 232323 发送 我们已经是好友了，开始聊天吧！ () [talkid:138031362]2014年4月20日 04:45:45 , 434343 向 123456 发送 音频 :[<ahref="files/f/f123fsasfsfsjdfrhf_n.m4a"]>音频
() [talkid:138031363]2014年4月20日 04:55:45 , 434343 向 123456 发送 音频 :[<ahref="files/f/f123fsasfsfsjdfrhf_n.jpg"]>图片 () [talkid:138031364]2014年4月20日 05:55:45 , 434343 向 3234221 发送 我们已经是好友了，开始聊天吧！ () [talkid:138031365]2014年4月20日 06:55:45 , 434343 向 1359075 发送 我们已经是好友了，开始聊天吧！ () </body> </html><html> <meta http-equiv="Content=-Type" content="text/html; charset=utf-8"> <head> </head> <body>[talkid:138031370]2014年4月20日 03:55:45 , 111222 向 232323 发送 我们已经是好友了，开始聊天吧！ () [talkid:138031371]2014年4月20日 04:45:45 , 111222 向 123456 发送 音频 :[<ahref="files/f/f123fsasfsfsjdfrhf_n.m4a"]>音频
() [talkid:138031372]2014年4月20日 04:55:45 , 111222 向 123456 发送 图片 :[<ahref="files/f/f123fsasfsfsjdfrhf_n.jpg"]>图片 () [talkid:138031373]2014年4月20日 05:55:45 , 111222 向 3234221 发送 我们已经是好友了，开始聊天吧！ () [talkid:138031374]2014年4月20日 06:55:45 , 111222 向 1359075 发送 我们已经是好友了，开始聊天吧！ () </body> </html>利用python爬虫，打开C:/Users/test/Desktop/DIDItest文件夹下多个文件夹内的html文件源代码，并爬取源代码中的ID、时间、发送号码、接收号码、发送内容，如果发送内容不为文本，则提取文件所在链接地址，并将爬取的内容写入csv中网页内源代码模板如下： <body> [talkid:138031370]2014年4月20日 03:55:45 , 111222 向 232323 发送 我们已经是好友了，开始聊天吧！ () [talkid:138031371]2014年4月20日 04:45:45 , 111222 向 123456 发送 音频 :[音频 () [talkid:138031372]2014年4月20日 04:55:45 , 111222 向 123456 发送 图片 :[图片 () [talkid:137031382]2014年4月22日 04:45:45 , 2323234 在群 20011 中发言 音频 :[音频 () [talkid:137031383]2014年4月23日 04:55:45 , 2323234 在群 20011 中发言 图片 :[图片 () [talkid:137031384]2014年4月24日 05:55:45 , 2323234 在群 20011 中发言 我们已经是好友了，开始聊天吧！ () </body> </html> 利用python爬虫，打开C:/Users/test/Desktop/DIDItest文件夹下所有文件夹内的html文件源代码，并提取每一行<body>之间的数据，剔除 ()
网页内源代码模板如下： <body> [talkid:138031370]2014年4月20日 03:55:45 , 111222 向 232323 发送 我们已经是好友了，开始聊天吧！ () [talkid:138031371]2014年4月20日 04:45:45 , 111222 向 123456 发送 音频 :[音频 () [talkid:138031372]2014年4月20日 04:55:45 , 111222 向 123456 发送 图片 :[图片 () [talkid:137031382]2014年4月22日 04:45:45 , 2323234 在群 20011 中发言 音频 :[音频 () [talkid:137031383]2014年4月23日 04:55:45 , 2323234 在群 20011 中发言 图片 :[图片 () [talkid:137031384]2014年4月24日 05:55:45 , 2323234 在群 20011 中发言 我们已经是好友了，开始聊天吧！ () </body> </html> 利用python爬虫，打开C:/Users/test/Desktop/DIDItest文件夹下所有文件夹内的html文件源代码，
最新推荐
基于纯verilogFPGA的双线性差值视频缩放 功能：利用双线性差值算法，pc端HDMI输入视频缩小或放大，然后再通过HDMI输出显示，可以任意缩放 缩放模块仅含有ddr ip，手写了 ram,f
基于纯verilogFPGA的双线性差值视频缩放
功能：利用双线性差值算法，pc端HDMI输入视频缩小或放大，然后再通过HDMI输出显示，可以任意缩放。
缩放模块仅含有ddr ip，手写了 ram,fifo 代码，可以较为轻松地移植到其他平台。
硬件平台：易灵思 ti60f225
EDA平台：efinity
【java毕业设计】智慧社区智慧社区管理员密码修改与重置系统（源代码+论文+PPT模板）.zip
zip里包含源码+论文+PPT,有java环境就可以运行起来 ,功能说明：
文档开篇阐述了随着计算机技术、通信技术和网络技术的快速发展，智慧社区门户网站的建设成为了可能，并被视为21世纪信息产业的主要发展方向之一
强调了网络信息管理技术、数字化处理技术和数字式信息资源建设在国际竞争中的重要性。
指出了智慧社区门户网站系统的编程语言为Java，数据库为MYSQL，并实现了新闻资讯、社区共享、在线影院等功能。
系统设计与功能：
文档详细描述了系统的后台管理功能，包括系统管理模块、新闻资讯管理模块、公告管理模块、社区影院管理模块、会员上传下载管理模块以及留言管理模块。
系统管理模块：允许管理员重新设置密码，记录登录日志，确保系统安全。
新闻资讯管理模块：实现新闻资讯的添加、删除、修改，确保主页新闻部分始终显示最新的文章。
公告管理模块：类似于新闻资讯管理，但专注于主页公告的后台管理。
社区影院管理模块：管理所有视频的添加、删除、修改，包括影片名、导演、主演、片长等信息。
会员上传下载管理模块：审核与删除会员上传的文件。
留言管理模块：回复与删除所有留言，确保系统内的留言得到及时处理。
基于51单片机的一个智能密码锁设计.7z
基于51单片机的一个智能密码锁设计.7z
《STM32单片机+2x180-SG90+2x360-SG90+OLED屏幕》源代码
《基于STM32的舵机控制系统设计》毕业设计项目
1.STM32单片机+2x180_SG90+2x360_SG90+OLED屏幕
2.OLED屏幕显示舵机的方向、速度、角度各项数据
3.按键1：控制180度舵机正向转动角度
4.按键2：控制180度舵机反向转动角度
5.按键3：控制360度舵机正向转动并且控制舵机速度
6.按键4：控制360度舵机反向转动并且控制舵机速度
7.代码里面含有注释
8.硬件实物接上线就能直接运行
pyside6-qml-modern-uiapp
Pyside6+Qml+QtCreator做的桌面app
JavaScript实现的高效pomodoro时钟教程
资源摘要信息:"JavaScript中的pomodoroo时钟"
知识点1：什么是番茄工作法
番茄工作法是一种时间管理技术，它是由弗朗西斯科·西里洛于1980年代末发明的。该技术使用一个定时器来将工作分解为25分钟的块，这些时间块之间短暂休息。每个时间块被称为一个“番茄”，因此得名“番茄工作法”。该技术旨在帮助人们通过短暂的休息来提高集中力和生产力。
知识点2：JavaScript是什么
JavaScript是一种高级的、解释执行的编程语言，它是网页开发中最主要的技术之一。JavaScript主要用于网页中的前端脚本编写，可以实现用户与浏览器内容的交云互动，也可以用于服务器端编程(Node.js)。JavaScript是一种轻量级的编程语言，被设计为易于学习，但功能强大。
知识点3：使用JavaScript实现番茄钟的原理
在使用JavaScript实现番茄钟的过程中，我们需要用到JavaScript的计时器功能。JavaScript提供了两种计时器方法，分别是setTimeout和setInterval。setTimeout用于在指定的时间后执行一次代码块，而setInterval则用于每隔一定的时间重复执行代码块。在实现番茄钟时，我们可以使用setInterval来模拟每25分钟的“番茄时间”，使用setTimeout来控制每25分钟后的休息时间。
知识点4：如何在JavaScript中设置和重置时间
在JavaScript中，我们可以使用Date对象来获取和设置时间。Date对象允许我们获取当前的日期和时间，也可以让我们创建自己的日期和时间。我们可以通过new Date()创建一个新的日期对象，并使用Date对象提供的各种方法，如getHours(), getMinutes(), setHours(), setMinutes()等，来获取和设置时间。在实现番茄钟的过程中，我们可以通过获取当前时间，然后加上25分钟，来设置下一个番茄时间。同样，我们也可以通过获取当前时间，然后减去25分钟，来重置上一个番茄时间。
知识点5：实现pomodoro-clock的基本步骤
首先，我们需要创建一个定时器，用于模拟25分钟的工作时间。然后，我们需要在25分钟结束后提醒用户停止工作，并开始短暂的休息。接着，我们需要为用户的休息时间设置另一个定时器。在用户休息结束后，我们需要重置定时器，开始下一个工作周期。在这个过程中，我们需要为每个定时器设置相应的回调函数，以处理定时器触发时需要执行的操作。
知识点6：使用JavaScript实现pomodoro-clock的优势
使用JavaScript实现pomodoro-clock的优势在于JavaScript的轻量级和易学性。JavaScript作为前端开发的主要语言，几乎所有的现代浏览器都支持JavaScript。因此，我们可以很容易地在网页中实现pomodoro-clock，用户只需要打开网页即可使用。此外，JavaScript的灵活性也使得我们可以根据需要自定义pomodoro-clock的各种参数，如工作时间长度、休息时间长度等。
管理建模和仿真的文件
管理Boualem Benatallah引用此版本：布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学，1996年。法语。NNT：电话：00345357HAL ID：电话：00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆，用于存放和传播科学研究论文，无论它们是否被公开。论文可以来自法国或国外的教学和研究机构，也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
【WebLogic客户端兼容性提升秘籍】：一站式解决方案与实战案例
# 摘要
WebLogic作为一款广泛使用的中间件产品，其客户端兼容性对于企业应用至关重要。本文从基本概念出发，系统地介绍了WebLogic的架构、组件以及兼容性问题的分类和影响。通过深入分析兼容性测试方法和诊断分析技术，探讨了如何有效地识别和解决客户端兼容性问题。进一步，本文提出了提升兼容性的策略，包括代码层面的设计、配置管理、补丁升级以及快速响应流程。最后，结合实战案例，本文详细说明了解决方案的实施过
使用jupyter读取文件“近5年考试人数.csv”，绘制近5年高考及考研人数发展趋势图，数据如下（单位：万人）。
在Jupyter Notebook中读取CSV文件并绘制图表，通常需要几个步骤：
1. 首先，你需要导入必要的库，如pandas用于数据处理，matplotlib或seaborn用于数据可视化。
```python
import pandas as pd
import matplotlib.pyplot as plt
```
2. 使用`pd.read_csv()`函数加载CSV文件：
```python
df = pd.read_csv('近5年考试人数.csv')
```
3. 确保数据已经按照年份排序，如果需要的话，可以添加这一行：
```python
df = df.sor
CMake 3.25.3版本发布：程序员必备构建工具
资源摘要信息:"Cmake-3.25.3.zip文件是一个包含了CMake软件版本3.25.3的压缩包。CMake是一个跨平台的自动化构建系统，用于管理软件的构建过程，尤其是对于C++语言开发的项目。CMake使用CMakeLists.txt文件来配置项目的构建过程，然后可以生成不同操作系统的标准构建文件，如Makefile（Unix系列系统）、Visual Studio项目文件等。CMake广泛应用于开源和商业项目中，它有助于简化编译过程，并支持生成多种开发环境下的构建配置。
CMake 3.25.3版本作为该系列软件包中的一个点，是CMake的一个稳定版本，它为开发者提供了一系列新特性和改进。随着版本的更新，3.25.3版本可能引入了新的命令、改进了用户界面、优化了构建效率或解决了之前版本中发现的问题。
CMake的主要特点包括：
1. 跨平台性：CMake支持多种操作系统和编译器，包括但不限于Windows、Linux、Mac OS、FreeBSD、Unix等。
2. 编译器独立性：CMake生成的构建文件与具体的编译器无关，允许开发者在不同的开发环境中使用同一套构建脚本。
3. 高度可扩展性：CMake能够使用CMake模块和脚本来扩展功能，社区提供了大量的模块以支持不同的构建需求。
4. CMakeLists.txt：这是CMake的配置脚本文件，用于指定项目源文件、库依赖、自定义指令等信息。
5. 集成开发环境（IDE）支持：CMake可以生成适用于多种IDE的项目文件，例如Visual Studio、Eclipse、Xcode等。
6. 命令行工具：CMake提供了命令行工具，允许用户通过命令行对构建过程进行控制。
7. 可配置构建选项：CMake支持构建选项的配置，使得用户可以根据需要启用或禁用特定功能。
8. 包管理器支持：CMake可以从包管理器中获取依赖，并且可以使用FetchContent或ExternalProject模块来获取外部项目。
9. 测试和覆盖工具：CMake支持添加和运行测试，并集成代码覆盖工具，帮助开发者对代码进行质量控制。
10. 文档和帮助系统：CMake提供了一个内置的帮助系统，可以为用户提供命令和变量的详细文档。
CMake的安装和使用通常分为几个步骤：
- 下载并解压对应平台的CMake软件包。
- 在系统中配置CMake的环境变量，确保在命令行中可以全局访问cmake命令。
- 根据项目需要编写CMakeLists.txt文件。
- 在含有CMakeLists.txt文件的目录下执行cmake命令生成构建文件。
- 使用生成的构建文件进行项目的构建和编译工作。
CMake的更新和迭代通常会带来更好的用户体验和更高效的构建过程。对于开发者而言，及时更新到最新稳定版本的CMake是保持开发效率和项目兼容性的重要步骤。而对于新用户，掌握CMake的使用则是学习现代软件构建技术的一个重要方面。"