zmień nazwę pliku .html z tagu <title> z pythonem

Sep 23 2020

Mam wiele plików html zapisanych na moim komputerze. Mają takie same tagi: Rpi-Cam-Web-Interface- Page 2 - forumi zmienia się numer strony
Chcę zmienić nazwę pliku na numer strony Używam tego kodu:

import re
import os
pattern=re.compile('<title>RPi Cam Web Interface - Page \d*')
for i in os.listdir():
   parser=open(i,'r',encoding='utf-8')
   m=pattern.search(parser.read())
   parser.close()
   os.rename(i,m.group()[35:]+'html')

jakikolwiek lepszy sposób?

Odpowiedzi

CertainPerformance Sep 23 2020 at 21:08

Odstępy W celu uzyskania w miarę profesjonalnego kodu Pythona (lub dowolnego kodu Pythona, który Ty lub inni będziecie musieli przyjrzeć się później - najlepiej całego kodu, który kiedykolwiek napiszecie), dobrym pomysłem byłoby postępowanie zgodnie ze standardowym przewodnikiem po PEP 8 , aby poprawić czytelność. Na początek zaleca umieszczenie spacji między argumentami i operatorami oraz użycie 4 spacji do wcięcia:

pattern = re.compile('<title>RPi Cam Web Interface - Page \d*')
for i in os.listdir():
    parser = open(i, 'r', encoding='utf-8')
    m = pattern.search(parser.read())
    parser.close()
    os.rename(i, m.group()[35:] + 'html')

Surowy łańcuch Dobrym pomysłem jest używanie nieprzetworzonych ciągów podczas tworzenia wzorców Pythona, aby sekwencje ucieczki nie były interpretowane , a zamiast tego ukośniki odwrotne są traktowane jako zwykłe znaki wewnątrz wzorca. W przypadku tego konkretnego wzorca, którego używasz, zdarza się, że nie jest to konieczne, ale jeśli kiedykolwiek będziesz musiał go zmienić i dopasować do nowej linii \nlub granicy słowa \bitp., Nie użycie nieprzetworzonego ciągu znaków spowoduje, że skrypt nie będzie działał zgodnie z oczekiwaniami.

Innymi słowy, chciałbyś zrobić coś takiego:

pattern = re.compile(r'<title>RPi Cam Web Interface - Page \d*')
#                    ^

Wzór Widzę 2 problemy z wzorem:

  • Numer strony jest opcjonalny, ponieważ dopasowujesz z \d*zamiast \d+. Użycie \d+dopasowania jednej lub więcej cyfr sprawiłoby, że intencja wzorca byłaby wyraźniejsza. ( \d*dopasowuje „zero lub więcej cyfr”)
  • Ręcznie wyodrębniasz numer strony z dopasowania za pomocą m.group()[35:]. Użyj grupy przechwytywania we wzorze zamiast ręcznego zliczania wskaźników:
pattern = re.compile(r'<title>RPi Cam Web Interface - Page( \d+)')
#                                                         ^^^^^^
# ...
    page_number = m.group(1)