Python脚本循环读取HTML文件时文件名打印错误求助

你遇到的文件名错位问题，根源在于变量更新的顺序错误。我们拆解下你的代码逻辑就能找到问题：

1. 初始n=1，filename是source1.html
2. 进入循环后，你先执行了n = n+1，立刻把filename改成了source2.html
3. 这时候你打开的还是最初的source1.html，但后续打印、写入的却是已经更新后的source2.html
4. 以此类推，处理source2时文件名已经跳到source3，处理source3时跳到source4，最终就出现了打印的文件名比实际处理的文件多一位的情况。

修正后的代码 #

from bs4 import BeautifulSoup
import re
import os.path

n = 1
filename = "source"+str(n)+".html"
savefile = open('OUTPUT.csv', 'w')

while os.path.isfile(filename):
    # 先处理当前文件名对应的文件
    strjpgs = "Extracted Layers: \n \n"
    file = open(filename, "r")
    soup = BeautifulSoup(file, "html.parser")
    thedata = soup.find("div", class_="cplayer")
    strdata = str(thedata)
    DoRegEx = re.compile('/([^/]+)\.jpg')
    jpgs = DoRegEx.findall(strdata)
    strjpgs = strjpgs + "\n".join(jpgs) + "\n \n"
    
    # 写入并打印当前正在处理的文件名
    savefile.write(filename + '\n')
    savefile.write(strjpgs)
    print(filename)
    print(strjpgs)
    
    # 最后更新变量，为下一次循环做准备
    n = n+1
    filename = "source"+str(n)+".html"

savefile.close()
print("done")

关键改动说明 #

• 把n和filename的更新逻辑移到了当前文件处理完成之后，这样打印和写入的都是正在处理的真实文件名，不会提前跳转到下一个。
• 顺便修正了最后一行print "done"的语法错误（Python 3中print是函数，需要加括号），避免运行时抛出语法异常。

内容的提问来源于stack exchange，提问作者Chagger