使用Python批量将目录下多个HTML文件转换为同名TXT文件的方法

你可以用Python标准库os完成目录遍历，复用已有的单文件解析逻辑，批量处理所有html文件，转换后的txt文件会沿用原文件名，仅替换后缀为.txt。

基础版本（仅处理目标目录下的html，不遍历子文件夹） #

import os
from bs4 import BeautifulSoup

# 替换为你存放html文件的实际目录路径
html_dir = "/content/drive/MyDrive/你的html文件目录"

for file_name in os.listdir(html_dir):
    # 筛选后缀为.html的文件，兼容大写后缀的情况
    if file_name.lower().endswith(".html"):
        # 拼接文件完整路径
        html_full_path = os.path.join(html_dir, file_name)
        # 生成对应txt文件的路径
        txt_file_name = f"{os.path.splitext(file_name)[0]}.txt"
        txt_full_path = os.path.join(html_dir, txt_file_name)

        # 读取html解析纯文本，指定编码避免乱码，with语法自动关闭文件
        with open(html_full_path, "r", encoding="utf-8") as f:
            soup = BeautifulSoup(f.read(), "html.parser")
        # 写入txt文件
        with open(txt_full_path, "w", encoding="utf-8") as f:
            f.write(soup.get_text())
        
        print(f"已转换：{file_name} -> {txt_file_name}")

可选调整项 #

• 如果需要递归处理目录下所有子文件夹里的html文件，把遍历逻辑替换为os.walk实现即可，核心代码如下：

import os
from bs4 import BeautifulSoup

html_dir = "/content/drive/MyDrive/你的html文件目录"

# 递归遍历所有子目录
for root, _, files in os.walk(html_dir):
    for file_name in files:
        if file_name.lower().endswith(".html"):
            html_full_path = os.path.join(root, file_name)
            txt_file_name = f"{os.path.splitext(file_name)[0]}.txt"
            txt_full_path = os.path.join(root, txt_file_name)
            
            with open(html_full_path, "r", encoding="utf-8") as f:
                soup = BeautifulSoup(f.read(), "html.parser")
            with open(txt_full_path, "w", encoding="utf-8") as f:
                f.write(soup.get_text())
            
            print(f"已转换：{html_full_path} -> {txt_full_path}")

• 如果你的html文件不是utf-8编码，把代码里的encoding="utf-8"改成对应编码即可，比如gbk、gb2312
• 如果不想把txt存在原目录，只需要修改txt_full_path的拼接路径，指向你要存放txt的目标目录就行
• 代码里给BeautifulSoup指定了"html.parser"解析器，不需要额外安装其他解析依赖，和你原来的单文件转换效果完全一致

内容的提问来源于stack exchange，提问作者Asalrayzah