前提・実現したいこと
ダウンロードしたフォルダ内の複数あるhtmファイルをスクレイピングしたいです。
globで取得したテキストファイルをもとにスクレイピングするのですがどうしても
最後の行にあるフォルダパスのhtmファイルのみしかデータを取得できません。
詳しいかたどうかご教授いただけますでしょうか。
該当のソースコード
#対象フォルダのhtmファイルをテキストデータで出力
files1 = glob.glob('D:/Python/Download/X/t/' +str(year) +'/' +str(month) +'/' +str(day) +'/Data/A/.htm')
files2 = glob.glob('D:/Python/Download/X/t/' +str(year) +'/' +str(month) +'/' +str(day) +'/Data/S/.htm')
files = files1+files2
print(files)
#リストをファイルに書き込む
with open('D:/Python/Download/CSV/k/url.txt', encoding='utf-8', mode='w') as f0:
for d in files:
f0.write("%s\n" % d)
#テキストデータからURLを抽出する
with open('D:/Python/Download/CSV/k/url.txt', encoding='utf-8') as f:
url = f.read().splitlines()
htmをオープン
for lsPath1 in url:
f1 = open(lsPath1, encoding="utf-8")
htmをbeautifulSoupでスクレイピング
soup = bs4.BeautifulSoup(f1.read(), "html.parser")
回答1件
あなたの回答
tips
プレビュー
バッドをするには、ログインかつ
こちらの条件を満たす必要があります。
2021/07/10 17:47 編集
2021/07/10 17:53
2021/07/11 07:47
2021/07/11 11:32 編集