Python2.7 BeautifulSoup处理HTML报NameError修复及美化实现问题

1. NameError报错修复 #

报错原因 #

• 第一处错误是变量未定义：你在打开文件时传入的fi没有被赋值，实际需要拼接当前遍历的目录路径和文件名得到完整的文件路径
• 第二处错误是缩进逻辑错误：content变量仅在匹配到.html文件的分支内定义，而你后续解析HTML的代码缩进层级不对，脱离了文件遍历的内部分支，当目录下没有匹配的.html文件时，content未被定义就会触发报错；即使存在匹配文件，也只会处理遍历到的最后一个文件。

基础修复代码 #

#!/usr/bin/python
from bs4 import BeautifulSoup
import os

root = '/path/to/directory/test'

for dirpath, dirs, files in os.walk(root):
    for name in files:
        if name.endswith('.html'):
            # 拼接完整文件路径
            file_path = os.path.join(dirpath, name)
            # 读取文件内容
            with open(file_path, 'r') as f:
                content = f.read()
            # 解析HTML放在文件遍历分支内部，每匹配一个文件处理一个
            soup = BeautifulSoup(content, 'html.parser')
            # 删除指定div
            for div in soup.find_all('div', {'class': 'sidebar'}):
                div.decompose()

2. HTML原地美化格式化功能实现 #

直接调用BeautifulSoup内置的prettify()方法即可生成带规范缩进的格式化HTML代码，处理完成后将内容写回原文件即可实现原地修改，Python2.7环境下建议指定编码避免中文乱码，完整代码如下：

#!/usr/bin/python
# -*- coding: utf-8 -*-
from bs4 import BeautifulSoup
import os

root = '/path/to/directory/test'

for dirpath, dirs, files in os.walk(root):
    for name in files:
        if name.endswith('.html'):
            file_path = os.path.join(dirpath, name)
            with open(file_path, 'r') as f:
                content = f.read()
            soup = BeautifulSoup(content, 'html.parser')
            # 删除sidebar类的div
            for div in soup.find_all('div', {'class': 'sidebar'}):
                div.decompose()
            # 生成带规范缩进的美化HTML
            pretty_html = soup.prettify(encoding='utf-8')
            # 原地写回原文件
            with open(file_path, 'w') as f:
                f.write(pretty_html)

注意事项 #

操作前建议备份原目录文件，避免误操作导致内容丢失。

内容的提问来源于stack exchange，提问作者Lexx Luxx