从本地C:\DIDI文件夹下多个文件夹内html数据中爬取ID、注册号码、发送ID、接受ID、聊天内容

要从本地多个文件夹内的 HTML 文件中爬取 ID、注册号码、发送 ID、接收 ID 和聊天内容，你可以使用 Python 的 `BeautifulSoup` 库进行 HTML 解析和数据提取。同时，你可以使用 Python 的 `os` 库来遍历文件夹和文件。

下面是一个示例代码，展示了如何实现这个过程：

from bs4 import BeautifulSoup
import csv
import os

# 定义要提取的字段名称
fields = ['ID', '注册号码', '发送ID', '接收ID', '聊天内容']

# 创建 CSV 文件并写入表头
with open('chat_data.csv', 'w', newline='', encoding='utf-8') as file:
    writer = csv.writer(file)
    writer.writerow(fields)

    # 遍历文件夹下的子文件夹
    for root, dirs, files in os.walk('C:\\DIDI'):
        for folder in dirs:
            folder_path = os.path.join(root, folder)

            # 遍历子文件夹中的 HTML 文件
            for filename in os.listdir(folder_path):
                if filename.endswith('.html'):
                    # 打开 HTML 文件并解析数据
                    with open(os.path.join(folder_path, filename), 'r', encoding='utf-8') as html_file:
                        soup = BeautifulSoup(html_file, 'html.parser')

                        # 提取所需的数据
                        data = []
                        data.append(soup.find('span', {'class': 'id'}).text.strip())
                        data.append(soup.find('span', {'class': 'registration-number'}).text.strip())
                        data.append(soup.find('span', {'class': 'sender-id'}).text.strip())
                        data.append(soup.find('span', {'class': 'receiver-id'}).text.strip())
                        data.append(soup.find('div', {'class': 'chat-content'}).text.strip())

                        # 写入数据到 CSV 文件
                        writer.writerow(data)

print('数据导出完成！')

在这个示例中，我们首先定义要提取的字段名称，并创建一个名为 `chat_data.csv` 的 CSV 文件，并写入表头。然后，我们使用 `os.walk` 函数遍历文件夹 `C:\DIDI` 及其子文件夹。

在每个子文件夹中，我们遍历 HTML 文件并打开每个文件进行解析。然后，使用 `BeautifulSoup` 提取每个字段的数据，并将数据添加到 `data` 列表中。最后，我们使用 `csv.writer` 将每一行的数据写入到 CSV 文件中。

请确保将 `'C:\\DIDI'` 替换为包含 HTML 文件的实际文件夹路径。

运行这个代码后，你将在当前目录下找到一个名为 `chat_data.csv` 的文件，其中包含了提取的 ID、注册号码、发送 ID、接收 ID 和聊天内容。

希望这可以帮助到你！如果你有其他问题，请随时提问。