读取CSV，如果文本匹配，请打开具有匹配文件名的html文件，然后以文本形式复制

Question

[好吧，我认为我只是缺少连接器，对于python来说还很新。

目标：读取CSV读取目录中的所有文件名如果索引（x）处的ROW =目录中的文件名，则打开HTML文件，然后用HTML文件中的文本替换index（x）处的文本]

到目前为止的代码：

import fileinput
import csv
import os
import sys
import glob
from bs4 import BeautifulSoup

htmlfiles_path = "c:\\somedirectory\\" #path to directory containing the html files
filename_search = glob.glob("c:\\somedirectory\\*.HTM") #get list of filenames

#open csv

with open ('content.csv', mode='rt') as content_file:
    reader = csv.reader (content_file, delimiter=',')
    for row in reader:
        for field in row:
            if filename_search(some matching logic i am stuck on):
                for htmlcontentfile in glob.glob(os.path.join(path, ".HTM")):
                    markup(htmlcontentfile)
                    soup = BeatifulSoup(open(markup, "r").read())
                        content_file.write(soup.get_text())
                #i think something else goes here

我让csv阅读器可以工作，并且可以通过glob提取文件名列表，但在连接这些文件时遇到了一些麻烦。任何帮助都将是极好的。

我查询了其他问题，其中一些代码基于此，但是我在python中没有找到任何针对此挑战的内容。如果有，请指示我正确的方向！

EDIT1：在我的代码中，我在csv中使用“ wt”。但这不是卡住的地方。

我有一个充满文件的文件夹。例如：

content / d100.htm内容/d101q.htmcontent / d102s.htm

以及CSV：范例CSVCSV档案：

标题名称位置加州总统d100.html

目标：打开csv，在“位置”下查找“目录”文件夹中任何文件的匹配项如果找到匹配项，则打开相应的HTM文件，仅解析文本用文件的文本内容替换csv中的字段

这有意义吗？

Answer 1

答案：

1）@barny如果我没有运行代码，我不会在这里发布。我为误解我的要求深表歉意。

无论如何，我通过根据问题陈述进行了一些更改，并使用Excel来完成它，从而弄清楚了。

原始询问：

CSV与]​​>

文字|回答|目标文件内容

一些文字|请参考文件001.htm |其他一些文字|请参考文件002.htm |

查找文件，并将内容解析到它旁边的列。

稍有改变的问：

将所有htm文件解析为一个csv，并列出它们各自的文件名。然后使用Excel匹配内容。

而不是让BSoup或Python进行匹配，Excel已经具有一个函数index（match（））来完成请求的第二部分。因此，我让Python和Bsoup打开了每个HTML文件，并将其放在CSV中。我还在另一列中输入了很长的文件名。像这样：

文件：content / 001.htm

content / 002.htm

content / 003.htm

CSV输出的预期格式：

HTML文件的内容|文件名

代码：

import fileinput
import csv
import os
import sys
import glob
from bs4 import BeautifulSoup

path = "<the path>"


def main():
   for filepath in glob.glob(os.path.join('<the path>', '*.HTM')): #find folder containing html files 
    with open(filepath) as f:
        contentstuff = f.read() #find an html file, and read it
        soup = BeautifulSoup(contentstuff, "html.parser") #parse the html out
        with open (path + '\\htmlpages.csv', 'a', encoding='utf-8', newline='') as content_file:
            writer = csv.writer (content_file, delimiter=',') #start writer for file content to CSV
            fp = filepath[-12:] #trim the file name to necessary name
            for body_tag in soup.find_all('body'):
                bodye = (body_tag.text.replace("\t", "").replace("\n", "")) #deal with necessary formatting between Bsoup and Excel
                print(bodye) #show me the work
                writer.writerow([bodye, fp])  #do the actual writing
在将内容放入CSV后，我使用了一个index（match（））来配对核心文件和新CSV中的文件名。