Question

我是Python新手，在StackOverflow的帮助下，我编写了一个程序：

1）查找给定目录，并查找该目录中的每个文件：

2）运行HTML清理程序，其中包括：

使用BeautifulSoup打开每个文件
删除列入黑名单的标签＆amp;含量
优化剩余内容
运行Bleach以删除所有非白名单标签＆amp;属性
另存为新文件

它运行得非常好，除非它遇到某种类型的文件内容，这会抛出一堆BeautifulSoup错误并中止整个事情。我希望它能够强大，因为我无法控制此目录中的内容。

所以，我的问题是：如何重新构建程序，以便当它在目录中的一个文件上出错时，它会报告它无法处理该文件，然后继续运行剩下的文件？

到目前为止，这是我的代码（删除了无关的细节）：

def clean_dir(directory):
    os.chdir(directory)

    for filename in os.listdir(directory):
    clean_file(filename)

def clean_file(filename):

    tag_black_list = ['iframe', 'script']
    tag_white_list = ['p', 'div']
    attr_white_list = {'*': ['title']}

    with open(filename, 'r') as fhandle: 

        text = BeautifulSoup(fhandle)
        text.encode("utf-8")
        print "Opened "+ filename

        # Step one, with BeautifulSoup: Remove tags in tag_black_list, destroy contents.
        [s.decompose() for s in text(tag_black_list)]
        pretty = (text.prettify())
        print "Prettified"

        # Step two, with Bleach: Remove tags and attributes not in whitelists, leave tag contents.
        cleaned = bleach.clean(pretty, strip="TRUE", attributes=attr_white_list, tags=tag_white_list)

        fout = open("../posts-cleaned/"+filename, "w")
        fout.write(cleaned.encode("utf-8"))
        fout.close()

    print "Saved " + filename +" in /posts-cleaned"

print "Done"

clean_dir("../posts/")

我正在寻找有关如何编写此内容的任何指导，以便在clean_file函数中遇到解析/编码/内容/属性/ etc错误后继续运行。

Answer 1

您可以使用以下方式处理错误： try-except-finally

Answer 2

您可以在clean_file或for循环中执行错误处理。

for filename in os.listdir(directory):
    try:
        clean_file(filename)
    except:
        print "Error processing file %s" % filename

如果您知道引发了什么异常，则可以使用更具体的捕获。

如何构造Python函数以便在错误后继续？

2 个答案: