解析HTML文件

  1 #!/usr/bin/env python3
  2 
  3 # -*- coding: UTF-8 -*-
  4 
  5 from bs4 import BeautifulSoup
  6 import operator
  7 import os,shutil
  8 import re
  9 
 10 def processhtml(item):
 11 　　html_path = item
 12 　　with open(html_path) as fp:
 13 　　　　soup = BeautifulSoup(fp, "html.parser")
 14 　　return soup
 15 
 16 def IsComputer(soup_arg):
 17 　　soup = soup_arg
 18 　　result = False
 19 　　try:
 20 　　　　value = soup.find('input', {'name':'资源类型'}).get('value')
 21 　　　　if value == '主机':
 22 　　　　　　print('资源类型：主机')
 23 　　　　　　result = True
 24 　　　　elif value == '数据库':
 25 　　　　　　print('资源类型：数据库')
 26 　　　　else:
 27 　　　　　　print('资源类型：其他')
 28 　　except:
 29 　　　　pass
 30 　　return result
 31 
 32 def IsAgree(soup_arg):
 33 　　soup = soup_arg
 34 　　result = False
 35 　　try:
 36 　　　　for row in soup.findAll('tr'):
 37 　　　　　　cells = row.findAll('td')
 38 　　　　　　if len(cells) == 4:
 39 　　　　　　　　if cells[1].findChild("font") != None:
 40 　　　　　　　　　　nStr = ""
 41 　　　　　　　　　　nStr = nStr.join(cells[0].string)
 42 　　　　　　　　　　target = ['帐号管理人员处理']
 43 　　　　　　　　　　if (operator.eq(nStr.split(), target)):
 44 　　　　　　　　　　　　print(cells[1].font.string)
 45 　　　　　　　　　　if (operator.eq(nStr.split(), target) and cells[1].font.string == '同意'):
 46 　　　　　　　　　　　　print("满足条件为：%s && 审批意见（同意）" % nStr.split()[0])
 47 　　　　　　　　　　　　result = True
 48 　　except IndexError as e:
 49 　　　　pass
 50 　　return result
 51 
 52 def IsIntersect(soup_arg):
 53 　　soup = soup_arg
 54 　　result = False
 55 　　try:
 56 　　　　value = soup.find('input', {'name':'239385_资源名称'}).get('value')
 57 　　　　temp_list = re.split('[、：\n]', value)
 58 　　　　hosts_list = []
 59 　　　　hosts_list.clear()
 60 　　　　for hostlist in temp_list:
 61 　　　　　　if re.search('[a-z]', hostlist):
 62 　　　　　　　　print(hostlist)
 63 　　　　　　　　hosts_list.append(hostlist)
 64 　　　　hosts_set = set(hosts_list)
 65 　　　　if target_hosts.intersection(hosts_set):
 66 　　　　　　print('非空，有交集')
 67 　　　　　　result = True
 68 　　　　else:
 69 　　　　　　print("空，无交集")
 70 　　except:
 71 　　　　pass
 72 　　return result
 73 
 74 def IsIntersect2(soup_arg):
 75 　　soup = soup_arg
 76 　　result = False
 77 　　try:
 78 　　　　value = soup.find('input', {'name':'所在的硬件设备/软件平台'}).get('value')
 79 　　　　temp_list = re.split('[、：\n]', value)
 80 　　　　hosts_list = []
 81 　　　　hosts_list.clear()
 82 　　　　for hostlist in temp_list:
 83 　　　　　　if re.search('[a-z]', hostlist):
 84 　　　　　　　　hosts_list.append(hostlist)
 85 　　　　hosts_set = set(hosts_list)
 86 　　　　if target_hosts.intersection(hosts_set):
 87 　　　　　　print('非空，有交集')
 88 　　　　　　result = True
 89 　　　　else:
 90 　　　　　　print("空，无交集")
 91 　　except:
 92 　　　　pass
 93 　　return result
 94 
 95 if __name__ == '__main__':
 96 　　target_hosts = {'cmszsoaa', 'cmszsoab', 'cmszdcss', 'cmszicss', 'cmsznpsa', 'cmsznpsb', 'cmszinta', 'cmszintb',
 97 　　　　　　　　　　'cmszdpsa', 'cmszdpsb', 'mcbsoaa', 'mcbsoab', 'mcbinta', 'mcbintb', 'mcbdpsa', 'mcbdpsb',
 98 　　　　　　　　　　'mcbnpsa', 'mcbnpsb', 'mcbdcss', 'mcbicss', 'newdcss', 'newicss'}
 99 
100 　　work_dir = '/root/XmlOut/'
101 　　target_dir = '/root/AccountOut/'
102 
103 　　for parent, dirnames, filenames in os.walk(work_dir, followlinks=True):
104 　　　　for filename in filenames:
105 　　　　　　file_path = os.path.join(parent, filename)
106 　　　　　　print("filename with full path: %s" % file_path)
107 　　　　　　soup = processhtml(file_path)
108 　　　　　　flag1 = IsComputer(soup)
109 　　　　　　flag2 = IsAgree(soup)
110 　　　　　　flag3 = IsIntersect(soup)
111 　　　　　　flag4 = IsIntersect2(soup)
112 　　　　　　if (flag1 and flag2 and (flag3 or flag4)):
113 　　　　　　　　print('%s, ok----' % (file_path))
114 　　　　　　　　shutil.copy(file_path, target_dir)

转载于:https://www.cnblogs.com/donggongdechen/p/9444197.html