如何批量从HTML文件提取<title>并在<body>开头添加对应<h1>

我来帮你搞定这个批量处理的需求！针对遗留HTML文件里仅存于<title>元数据的标题，要在<body>开头插入对应的<h1>标签，这里有几个实用的方案，你可以根据自己的技术熟悉程度选择：

方案一：Python + BeautifulSoup（最可靠，推荐） #

如果你的HTML文件结构可能不太规范（比如标签带空格、属性），用专业的HTML解析库比正则更稳妥，能避免匹配出错。

步骤： #

1. 先安装BeautifulSoup：pip install beautifulsoup4
2. 运行下面的脚本：

from bs4 import BeautifulSoup
import os

def add_h1_to_htmls(directory):
    # 遍历目标目录下的所有HTML文件
    for filename in os.listdir(directory):
        if not filename.endswith(".html"):
            continue
        file_path = os.path.join(directory, filename)
        
        # 读取并解析HTML
        with open(file_path, 'r', encoding='utf-8') as f:
            soup = BeautifulSoup(f, 'html.parser')
        
        # 提取<title>内容
        title_tag = soup.title
        if not title_tag or not title_tag.string:
            print(f"⚠️  文件 {filename} 找不到有效<title>标签，跳过处理")
            continue
        title_text = title_tag.string.strip()
        
        # 找到<body>标签并插入<h1>
        body_tag = soup.body
        if not body_tag:
            print(f"⚠️  文件 {filename} 找不到<body>标签，跳过处理")
            continue
        
        # 创建<h1>标签并插入到<body>最开头
        h1_tag = soup.new_tag('h1')
        h1_tag.string = title_text
        body_tag.insert(0, h1_tag)
        # 加个换行让代码格式更整洁
        body_tag.insert(1, '\n    ')
        
        # 写回修改后的内容
        with open(file_path, 'w', encoding='utf-8') as f:
            f.write(str(soup))
        
        print(f"✅  已处理完成：{filename}")

# 替换成你的HTML文件所在目录路径
target_dir = "./your-html-folder"
add_h1_to_htmls(target_dir)

注意事项： #

• 批量处理前一定要先备份原文件，或者先拿1-2个测试文件验证效果
• 如果你的文件编码不是UTF-8，调整encoding参数（比如gbk）

方案二：Python + 正则表达式（轻量，适合规范的HTML） #

如果你的HTML文件结构很规范（<title>和<body>标签格式统一），用正则就能快速搞定：

import os
import re

def batch_add_h1(directory):
    for filename in os.listdir(directory):
        if not filename.endswith(".html"):
            continue
        file_path = os.path.join(directory, filename)
        
        with open(file_path, 'r', encoding='utf-8') as f:
            content = f.read()
        
        # 提取<title>内容（忽略大小写，兼容标签内的空格）
        title_match = re.search(r'<title\s*>(.*?)</title\s*>', content, re.IGNORECASE)
        if not title_match:
            print(f"⚠️  文件 {filename} 无<title>标签，跳过")
            continue
        title_text = title_match.group(1).strip()
        
        # 在<body>标签后插入<h1>（兼容<body>带属性的情况，比如<body class="page">）
        updated_content = re.sub(
            r'(<body\b.*?>)',
            r'\1\n    <h1>{}</h1>'.format(title_text),
            content,
            flags=re.IGNORECASE
        )
        
        with open(file_path, 'w', encoding='utf-8') as f:
            f.write(updated_content)
        
        print(f"✅  已处理完成：{filename}")

# 替换成你的目标目录
batch_add_h1("./your-html-folder")

方案三：命令行工具（Linux/macOS：sed） #

如果你习惯用命令行，sed可以快速批量处理，无需写脚本：

# 批量处理当前目录下的所有.html文件
# macOS用BSD sed，需要加-i ''；Linux用GNU sed，直接写-i即可
for file in *.html; do
  sed -i '' -E '
    # 捕获<title>内容到临时缓冲区
    /<title>/{
      h
      s/<title>(.*)<\/title>/\1/
      x
    }
    # 找到<body>标签，插入<h1>
    /<body>/{
      G
      s/<body>/<body>\n<h1>\1<\/h1>/
    }
  ' "$file"
done

方案四：Windows PowerShell #

Windows用户可以用PowerShell完成批量处理：

# 替换成你的HTML文件目录
$targetDir = "./your-html-folder"

Get-ChildItem -Path $targetDir -Filter "*.html" | ForEach-Object {
    $content = Get-Content $_.FullName -Raw -Encoding UTF8
    
    # 提取<title>内容
    $titleMatch = [regex]::Match($content, '<title\s*>(.*?)</title\s*>', [System.Text.RegularExpressions.RegexOptions]::IgnoreCase)
    if (-not $titleMatch.Success) {
        Write-Warning "⚠️  文件 $($_.Name) 无有效<title>，跳过"
        return
    }
    $titleText = $titleMatch.Groups[1].Value.Trim()
    
    # 在<body>开头插入<h1>
    $updatedContent = [regex]::Replace($content, '(<body\b.*?>)', "`$1`n    <h1>$titleText</h1>", [System.Text.RegularExpressions.RegexOptions]::IgnoreCase)
    
    # 写回文件
    Set-Content $_.FullName -Value $updatedContent -Encoding UTF8
    Write-Host "✅  已处理完成：$($_.Name)"
}

内容的提问来源于stack exchange，提问作者markwk