python - 尝试使用 BeautifulSoup 从本地文件收集数据

Question

我想运行一个 python 脚本来解析 html 文件并收集具有 target="_blank" 属性的所有链接的列表。

我尝试了以下方法，但没有从 bs4 获得任何信息。 SoupStrainer 在文档中说它将以与 findAll 等相同的方式获取参数，这应该有效吗？我是否遗漏了一些愚蠢的错误？

import os
import sys

from bs4 import BeautifulSoup, SoupStrainer
from unipath import Path

def main():

    ROOT = Path(os.path.realpath(__file__)).ancestor(3)
    src = ROOT.child("src")
    templatedir = src.child("templates")

    for (dirpath, dirs, files) in os.walk(templatedir):
        for path in (Path(dirpath, f) for f in files):
            if path.endswith(".html"):
                for link in BeautifulSoup(path, parse_only=SoupStrainer(target="_blank")):
                    print link

if __name__ == "__main__":
    sys.exit(main())

Answer 1

我想你需要这样的东西

if path.endswith(".html"):
    htmlfile = open(dirpath)
    for link in BeautifulSoup(htmlfile,parse_only=SoupStrainer(target="_blank")):
        print link