from bs4 import BeautifulSoup import csv import os import re # 设置文件夹路径 folder_path = 'C:/Users/test/Desktop/DIDItest' # 创建CSV文件 csv_file = open('output.csv', 'w', newline='') csv_writer = csv.writer(csv_file) csv_writer.writerow(['ID', '时间', '发送号码', '接收号码', '发送内容']) # 遍历文件夹下的所有文件 for root, dirs, files in os.walk(folder_path): for file in files: if file.endswith('.html'): file_path = os.path.join(root, file) # 打开文件并解析HTML源代码 with open(file_path, 'r', encoding='utf-8') as f: soup = BeautifulSoup(f, 'html.parser') # 将soup对象转换为字符串 html_string = str(soup) # 提取talkid、时间、发送号码、接收号码、信息类型和消息内容的正则表达式模式 pattern = r'\[talkid:(\d+)\](.*?)</span> 向 (.*?) 发送 (.*?):\[(.*?)\]' matches = re.findall(pattern, html_string)

这段代码是用于将指定文件夹下的HTML文件解析并提取其中的信息，然后将提取的信息写入CSV文件中。体步骤如下：

1. 导入需要的模块：`BeautifulSoup`用于解析HTML，`csv`用于操作CSV文件，`os`用于文件路径操作，`re`用于正则表达式匹配。

2. 设置文件夹路径：将需要解析的HTML文件所在的文件夹路径赋值给变量`folder_path`。

3. 创建CSV文件：使用`open`函数创建一个名为`output.csv`的CSV文件，并创建一个`csv.writer`对象用于写入数据。第一行写入CSV文件的标题行。

4. 遍历文件夹下的所有文件：使用`os.walk`函数遍历指定文件夹下的所有文件。

5. 判断文件是否为HTML文件：通过判断文件名的后缀是否为`.html`来确定是否为HTML文件。

6. 打开文件并解析HTML源代码：使用`open`函数打开文件，并使用`BeautifulSoup`将文件内容解析为HTML对象。

7. 将soup对象转换为字符串：使用`str()`函数将`soup`对象转换为字符串`html_string`，以便进行正则表达式匹配。

8. 提取信息并写入CSV文件：使用正则表达式模式提取talkid、时间、发送号码、接收号码、信息类型和消息内容，并使用`re.findall`函数匹配所有符合模式的内容。然后遍历匹配结果，提取相应的内容，并根据信息类型进行判断处理。最后将提取到的数据写入CSV文件。

请注意，这段代码中的路径、正则表达式模式等部分可能需要根据实际情况进行调整。