如何替换HTML文件中的变音符号？代码输出与输入一致排查

问题根因 #

代码输出和原文件完全一致，是3个明显的逻辑/配置错误导致的：

• 替换逻辑完全错误：遍历变音符号映射字典的循环中，每次迭代都会重新读取原始未修改的源文件，前一次替换的结果不会留存。循环执行到最后一个字符ß时，仅会对原始文件中的ß做替换，之前替换ä/ö/ü等字符的结果全部被覆盖，最终写入的文件只完成了最后一个字符的替换，其他变音符号完全没被处理。如果测试文件里刚好没有ß，就会出现输出和原文件完全一致的现象。
• 文件编码未指定：Windows系统下Python默认open()方法使用GBK编码读取文件，遇到UTF-8保存的HTML文件时，变音符号会被读取为乱码，根本匹配不到映射字典里的key，自然替换失败。
• 文件选择器配置错误：FileBrowse的文件过滤规则写成了.*html，正确通配符应该是*.html，会导致选文件时无法正常过滤出HTML文件；同时原UI仅支持选单个文件，没有实现批量遍历多文件的能力。

修正后可运行代码 #

import PySimpleGUI as sg
import pathlib

def ui_input():
    # 调整为支持多选HTML文件，修正文件过滤规则
    layout = [
        [sg.Text("选择需要转换的HTML文件（可多选）: "), 
         sg.InputText(key="-FILE_PATHS-"), 
         sg.FilesBrowse(file_types=[("Html Files", "*.html")])],
        [sg.Submit('开始转换'), sg.Cancel('取消')]
    ]
    window = sg.Window('Html变音符号转实体工具', layout)

    event, values = window.read()
    if event in ('Cancel', sg.WIN_CLOSED):
        quit()
    window.close()
    # 多选返回的是分号分隔的路径字符串，拆成列表
    return values["-FILE_PATHS-"].split(";")

def convert():
    # 变音符号和HTML实体映射表
    umlaut_map = {
        "ä": "ä", "Ä": "Ä",
        "ö": "ö", "Ö": "Ö",
        "ü": "ü", "Ü": "Ü",
        "ß": "ß"
    }
    file_list = ui_input()

    for file_path in file_list:
        fap = pathlib.Path(file_path)
        # 跳过无效路径
        if not fap.is_file():
            continue
        output_path = fap.parent / (fap.stem + "_converted" + fap.suffix)
        
        # 一次性读取原文件，指定utf8编码
        with open(file_path, 'r', encoding='utf-8') as f:
            content = f.read()
        
        # 在同一份内容上连续完成所有替换，不要每次重读原文件
        for char, entity in umlaut_map.items():
            content = content.replace(char, entity)
        
        # 写入转换后的文件，指定utf8编码
        with open(output_path, "w", encoding='utf-8') as f:
            f.write(content)
        print(f"文件转换完成，已保存至: {output_path}")

if __name__ == "__main__":
    convert()

代码改动说明 #

• 把文件选择组件换成FilesBrowse支持多选HTML文件，修正了文件过滤的通配符错误
• 调整替换逻辑：先一次性读取完整文件内容，再在同一份内容上依次完成所有变音符号的替换，避免每次重读原文件覆盖之前的替换结果
• 所有文件读写操作显式指定encoding='utf-8'，避免系统默认编码导致的字符匹配失败问题
• 增加了无效路径判断，避免选择空路径时报错
• 如果需要遍历整个文件夹下的所有HTML文件，只需要把UI里的FilesBrowse换成FolderBrowse，拿到文件夹路径后用pathlib.Path(folder_path).rglob("*.html")就能遍历所有子目录下的HTML文件。

内容的提问来源于stack exchange，提问作者Knolfuns