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 = r'C:\Users\test\Desktop\output.csv' # 创建CSV文件并写入表头 with open(csv_file, 'w', newline='', encoding='utf-8') as file: writer = csv.writer(file) writer.writerow(['ID', '时间', '发送号码', '接收号码', '发送内容']) # 遍历文件夹内的所有文件 for file_name in os.listdir(folder_path): file_path = os.path.join(folder_path, file_name) # 判断文件是否为HTML文件 if file_name.endswith('.html'): # 打开HTML文件并解析源代码 with open(file_path, 'r', encoding='utf-8') as file: soup = BeautifulSoup(file, 'html.parser') # 提取ID、时间、发送号码、接收号码和发送内容 talk_id = soup.find('span', class_='hint-success').text.strip() time = soup.find('body').contents[0].strip() send_number = soup.find_all('span', class_='hint-success')[0].text.strip() receive_number = soup.find_all('span', class_='hint-success')[1].text.strip() content = soup.find('p').contents[0].strip() # 判断发送内容是否为音频 if '音频' in content: audio_link = soup.find('a')['href'] content = f'音频文件位置：{audio_link}' # 将提取的信息写入CSV文件 with open(csv_file, 'a', newline='', encoding='utf-8') as file: writer = csv.writer(file) writer.writerow([talk_id, time, send_number, receive_number, content]) print("数据已成功写入CSV文件。")

代码看起来没有问题，但是有几个地方需要注意：

1. 在Windows中，文件路径使用反斜杠`\`作为路径分隔符。请确保将`folder_path`和`csv_file`中的路径分隔符改为`\\`，或者使用原始字符串（在字符串前面加上`r`）。

2. 请确保文件夹路径和CSV文件路径是正确的，并且有读取和写入的权限。

如果你仍然遇到乱码问题，请提供更多关于乱码的详细信息，例如乱码的具体样式或错误信息，以便我能更好地帮助你解决问题。

相关问题

import os import re import csv from bs4 import BeautifulSoup folder_path = 'C:/Users/test/Desktop/DIDItest' html_files = [] # 遍历文件夹及其子文件夹下所有HTML文件 for root, dirs, files in os.walk(folder_path): for file in files: if file.endswith('.html'): html_files.append(os.path.join(root, file))打开并提取所有html文件源代码

您好！要打开并提取所有HTML文件的源代码，可以按照以下步骤进行操作：

1. 导入所需的库：

import os
from bs4 import BeautifulSoup

2. 指定文件夹路径和一个空列表来存储HTML文件的路径：

folder_path = 'C:/Users/test/Desktop/DIDItest'
html_files = []

3. 使用`os.walk()`函数遍历文件夹及其子文件夹下的所有文件，并筛选出以`.html`结尾的文件：

for root, dirs, files in os.walk(folder_path):
    for file in files:
        if file.endswith('.html'):
            html_files.append(os.path.join(root, file))

4. 循环遍历所有HTML文件，并使用BeautifulSoup库打开并提取源代码：

for file_path in html_files:
    with open(file_path, 'r', encoding='utf-8') as file:
        html_source_code = file.read()
        soup = BeautifulSoup(html_source_code, 'html.parser')
        # 在这里可以对源代码进行进一步的处理或提取需要的信息

请注意，这里使用了BeautifulSoup库来解析HTML文件，您需要确保已经安装了该库，可以使用`pip install beautifulsoup4`来安装。

希望能对您有所帮助！如有任何疑问，请随时提问。

import os import csv from bs4 import BeautifulSoup # 设置文件夹路径 folder_path = 'C:/Users/test/Desktop/DIDItest' # 遍历文件夹中的所有文件和子文件夹 for root, dirs, files in os.walk(folder_path): for file_name in files: if file_name.endswith('.html'): file_path = os.path.join(root, file_name) # 打开HTML文件并读取源代码 with open(file_path, 'r', encoding='utf-8') as file: html_content = file.read() # 在这里可以对源代码进行进一步的操作和提取 soup = BeautifulSoup(html_content, 'html.parser') messages = soup.find_all('p') for message in messages: talk_id_tag = message.find_previous('a') if talk_id_tag: talk_id = talk_id_tag.text.strip()[1:] time = message.contents[0].strip().split(',')[0][1:] send_phone = message.find('span', class_='hint-success').text.strip() receive_phone = message.find_all('span', class_='hint-success')[1].text.strip() content_tag = message.find('a') if content_tag: content = content_tag['href'] content_type = '音频' else: content = message.text.strip() content_type = '文本' print("talkid:", talk_id) print("时间:", time) print("发送号码:", send_phone) print("接收号码:", receive_phone) print("发送内容:", content) print()

这段代码有一个缩进问题，最后的`print`语句没有在正确的位置，应该在`for`循环内，以便在每次迭代时打印出提取的信息。请将最后的`print`语句缩进到正确的位置。以下是修改后的代码：

import os
import csv
from bs4 import BeautifulSoup

# 设置文件夹路径
folder_path = 'C:/Users/test/Desktop/DIDItest'

# 遍历文件夹中的所有文件和子文件夹
for root, dirs, files in os.walk(folder_path):
    for file_name in files:
        if file_name.endswith('.html'):
            file_path = os.path.join(root, file_name)

            # 打开HTML文件并读取源代码
            with open(file_path, 'r', encoding='utf-8') as file:
                html_content = file.read()

            # 在这里可以对源代码进行进一步的操作和提取

            soup = BeautifulSoup(html_content, 'html.parser')

            messages = soup.find_all('p')

            for message in messages:
                talk_id_tag = message.find_previous('a')
                if talk_id_tag:
                    talk_id = talk_id_tag.text.strip()[1:]
                    time = message.contents[0].strip().split(',')[0][1:]
                    send_phone = message.find('span', class_='hint-success').text.strip()
                    receive_phone = message.find_all('span', class_='hint-success')[1].text.strip()
                    content_tag = message.find('a')
                    if content_tag:
                        content = content_tag['href']
                        content_type = '音频'
                    else:
                        content = message.text.strip()
                        content_type = '文本'

                    print("talkid:", talk_id)
                    print("时间:", time)
                    print("发送号码:", send_phone)
                    print("接收号码:", receive_phone)
                    print("发送内容:", content)
                    print()

请注意，这段代码还没有将提取到的信息写入CSV文件，你可以根据需要进一步完善代码来实现写入CSV的功能。