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 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。")

你可以尝试运行这段代码，它会遍历指定文件夹下的所有HTML文件，提取ID、时间、发送号码、接收号码和发送内容，并将它们写入CSV文件中。

请确保将`folder_path`变量设置为你的文件夹路径，并将`csv_file`变量设置为你想要保存CSV文件的路径。

代码运行完成后，会在指定路径下生成一个名为`output.csv`的CSV文件，并将提取的数据写入其中。如果一切顺利，你将看到"数据已成功写入CSV文件。"的输出。

如果你遇到任何错误，请提供错误信息以便我帮助你解决问题。

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。