### Python 批量转换 HTML 文件为 TXT 文件教程 在 Python 中，可以使用 `BeautifulSoup` 库解析 HTML 文件并提取纯文本内容。以下是一个完整的教程，展示如何将多个 HTML 文件批量转换为 TXT 文件。 #### 1. 环境准备 确保已安装以下库： - `beautifulsoup4`：用于解析 HTML。 - `os`：用于文件操作。 可以通过以下命令安装 `beautifulsoup4` 和其依赖的 `lxml` 解析器： ```bash pip install beautifulsoup4 lxml ``` #### 2. 脚本实现 以下是实现批量转换 HTML 文件为 TXT 文件的完整代码： ```python # -*- coding:utf-8 -*- import os from bs4 import BeautifulSoup # 定义输入和输出目录 input_dir = r"C:\Users\z\Desktop\drops_html版" # HTML 文件所在目录 output_dir = r"C:\Users\z\Desktop\temp" # TXT 文件保存目录 # 如果输出目录不存在，则创建 if not os.path.exists(output_dir): os.makedirs(output_dir) # 遍历输入目录中的所有文件 for file in os.listdir(input_dir): if file.endswith(".html"): # 确保只处理 HTML 文件 file_path = os.path.join(input_dir, file) # 打开 HTML 文件并读取内容 with open(file_path, "rb") as filein: soup = BeautifulSoup(filein, "lxml") # 使用 lxml 解析器 text_content = soup.get_text() # 提取纯文本 # 构造输出文件路径 output_file_path = os.path.join(output_dir, f"{os.path.splitext(file)[0]}.txt") # 将纯文本写入 TXT 文件 with open(output_file_path, "w", encoding="utf-8") as fileout: fileout.write(text_content) fileout.write("\n") # 添加换行符以分隔不同文件的内容 ``` #### 3. 代码说明 - **输入目录**：定义了包含 HTML 文件的目录路径。 - **输出目录**：定义了生成的 TXT 文件存放的目录路径。 - **文件过滤**：通过 `file.endswith(".html")` 确保仅处理 HTML 文件。 - **HTML 解析**：使用 `BeautifulSoup` 的 `get_text()` 方法提取纯文本内容[^1]。 - **文件写入**：将提取的文本写入对应的 TXT 文件，并添加换行符以保证格式清晰。 #### 4. 注意事项 - **编码问题**：根据 HTML 文件的实际编码选择合适的解码方式。如果遇到乱码，可尝试更改 `open()` 函数中的 `encoding` 参数。 - **性能优化**：对于大量文件或大文件，建议分批次处理以避免内存占用过高。 --- ### 示例运行结果 假设输入目录中有以下 HTML 文件： - `example1.html` - `example2.html` 运行脚本后，输出目录中将生成对应的 TXT 文件： - `example1.txt` - `example2.txt` 每个 TXT 文件包含从对应 HTML 文件中提取的纯文本内容。 --- ###