Question

我有成千上万的html文件，需要使用firefox将它们保存为txt。

如果我手动完成这项工作，我会在firefox中打开每个html文件，单击File菜单，单击'Save Page As'菜单项，然后选择格式为'TEXT'，并保存到本地磁盘。

但如何自动完成这项工作？

任何脚本/工具都可以帮助您吗？

感谢。

Answer 1

如果您的目标是让firefox从每个页面中删除html并仅保存文本，那么有很多选项。我不知道任何firefox附加组件能够智能地遍历目录中的每个文件以执行宏，所以这里有一些选项：

Refer to this SO question regarding how to use python to strip the html。它提供了内置HTMLParser模块和使用BeautifulSoup
使用Selenium自动化您的网络浏览器：http://seleniumhq.org/
如果您了解javascript，可以使用PhantomJS： http://www.phantomjs.org/，这是一个无头网页浏览器用JavaScript脚本驱动。

Answer 2

我有成千上万的html文件......

您实际拥有这些文件，还是在线？

...并且需要将它们保存为txt ...

任何文本编辑器都应该能够保存数据（即为什么要使用FireFox），我认为.htm或.html直接重命名为.txt。将工作（至少在任何Windows系统上）。或者您的意思是：只保存HTML文件的显示的文本？

编辑：

首先，从this link开始，它有很好的解释如何开始 shdocvw ，您需要这样做。设置参考后，使用功能

Function GetNewIE() As SHDocVw.InternetExplorer

和

Function LoadWebPage(i_IE As SHDocVw.InternetExplorer, i_URL As String) As Boolean

从链接（只需复制到您的项目，如链接中所述）加载您的个人html文件，使用循环来通过每个文件。（Excel会对此有好处，因为你可以把你的文件列表放到单元格中，并循环遍历每个单元格来检索。）我从来没有用这么多文件做过这样的事情，所以我不能保证这会有用，不幸的是...

Dim IE As SHDocVw.InternetExplorer
Dim lRow as Long 'Long in case you have a LOT of files
Dim iFNum As Integer
Dim sFilePath As String

Set IE = GetNewIE
For lRow = 1 To 5000 Step 1 ' Assuming you have 5,000 html files, so 5,000 rows with the paths to each
    sFilePath = ActiveSheet.Range("A" & lRow).Value ' This should also include the filepath. i.e. "C:\dir\..."
    If LoadWebPage(IE, sFilePath) Then
        iFNum = FreeFile(lRow)
        Open sFilePath & ".txt" For Output As iFNum
        Write #iFNum, IE.Document.InnerText
        Close #iFNum
    End If
Next lRow

使用firefox将数千个html文件保存为txt文件 - 如何自动完成这项工作？

2 个答案: