Python如何提取HTML的title标签内容作为文件名批量保存文件
2026-10-4
批量按标签内容命名保存HTML文件实现方案 <a class="header-anchor" href="#批量按标签内容命名保存html文件实现方案" aria-hidden="true">#</a></h1>
<h2 id="前置依赖">前置依赖 <a class="header-anchor" href="#前置依赖" aria-hidden="true">#</a></h2>
<p>仅需要用到Python标准库的<code>re</code>和<code>os</code>模块，无需安装额外第三方包。</p>
<h2 id="完整可运行代码">完整可运行代码 <a class="header-anchor" href="#完整可运行代码" aria-hidden="true">#</a></h2>
<pre class="hljs"><code class="language-python volc-pre-code">import re
import os
# 配置项：根据你自己的本地路径修改
ORIGIN_HTML_DIR = "./origin_html" # 存放500个原始HTML文件的目录
SAVE_NEW_HTML_DIR = "./new_html" # 处理后新HTML文件的保存目录
# 自动创建保存目录（如果不存在不会报错）
os.makedirs(SAVE_NEW_HTML_DIR, exist_ok=True)
# 遍历原始目录下所有文件
for filename in os.listdir(ORIGIN_HTML_DIR):
# 只处理后缀为.html的文件，跳过其他类型文件
if not filename.lower().endswith(".html"):
continue
file_path = os.path.join(ORIGIN_HTML_DIR, filename)
# 读取原始HTML文件完整内容
with open(file_path, "r", encoding="utf-8", errors="ignore") as f:
html_content = f.read()
# 提取title标签文本内容
title_content = ""
try:
title_match = re.search(r'<title[^>]*>(.*?)</title>', html_content, re.IGNORECASE)
if title_match:
title_content = title_match.group(1).strip()
except Exception:
pass
# 按照规则处理生成合法文件名
if title_content:
# 1. 空格替换为连字符
new_filename = title_content.replace(" ", "-")
# 2. 统一转为全小写（和你给出的示例规则对齐，如需保留原大小写可注释这行）
new_filename = new_filename.lower()
# 3. 移除文件名中不允许的特殊字符，避免保存报错
new_filename = re.sub(r'[\\/*?:"<>|]', "", new_filename)
# 4. 补全.html后缀
new_filename = f"{new_filename}.html"
else:
# 没有提取到title的文件做兜底处理，避免程序中断
new_filename = f"no_title_{filename}"
# 保存新HTML文件到指定目录
new_file_path = os.path.join(SAVE_NEW_HTML_DIR, new_filename)
with open(new_file_path, "w", encoding="utf-8") as f:
f.write(html_content)
</code></pre>
<h2 id="代码说明">代码说明 <a class="header-anchor" href="#代码说明" aria-hidden="true">#</a></h2>
<ul>
<li>正则匹配做了兼容性优化，支持<code><TITLE></code>大写标签场景，非贪婪匹配避免标签嵌套导致提取错误</li>
<li>自动过滤文件名非法字符，兼容Windows、Linux等不同操作系统的文件名规则</li>
<li>无title标签的文件做了兜底处理，不会出现批量处理中途中断的问题</li>
<li>保留原始HTML的全部内容，仅修改输出文件名</li>
</ul>
<p>内容的提问来源于stack exchange，提问作者user15950808</p>
相关产品推荐
相关产品推荐
