基于bs4实现：将每个<a>标签内容写入以H2文本命名的独立文件

实现步骤 #

• 导入BeautifulSoup和os库，前者用于解析HTML，后者处理文件操作
• 加载并解析目标HTML内容（本地文件或网页响应）
• 遍历所有<a>标签，提取内部<h2>的文本作为文件名（需处理非法字符）
• 将每个<a>标签的完整HTML代码写入对应文本文件

示例代码 #

假设目标HTML结构如下（input.html）：

<div class="content">
  <a href="/category/green">
    <h2>Green</h2>
    <p>Details about green category</p>
    <img src="green.jpg" alt="Green">
  </a>
  <a href="/category/blue">
    <h2>Blue</h2>
    <p>Details about blue category</p>
    <img src="blue.jpg" alt="Blue">
  </a>
</div>

处理代码：

from bs4 import BeautifulSoup
import os

# 读取本地HTML文件（若为网页，可替换为requests.get(url).text）
with open("input.html", "r", encoding="utf-8") as file:
    html = file.read()

soup = BeautifulSoup(html, "html.parser")

# 遍历所有<a>标签
for a_element in soup.find_all("a"):
    # 获取<h2>文本并清理空白
    h2_title = a_element.find("h2").get_text(strip=True)
    # 处理文件名，避免系统非法字符
    valid_filename = h2_title.replace("/", "_").replace(":", "_").replace("?", "_") + ".txt"
    
    # 转换<a>标签为完整HTML字符串
    a_html_content = str(a_element)
    
    # 写入文件
    with open(valid_filename, "w", encoding="utf-8") as output_file:
        output_file.write(a_html_content)

效果说明 #

运行代码后，会生成Green.txt和Blue.txt两个文件：

• Green.txt内的内容为对应<a>标签的完整HTML代码：

<a href="/category/green">
    <h2>Green</h2>
    <p>Details about green category</p>
    <img src="green.jpg" alt="Green">
  </a>

• Blue.txt内容同理，为对应<a>标签的完整HTML代码

内容的提问来源于stack exchange，提问作者Reboot