用python解析html批量修改文件名

本地有很多php+html代码文件，可是文件名是url（数据库直接导出），怎么把文件名批量修改成html的title呢？这里需要用到两个模块，一个是OS，用于进行文件操作；另一个是BeautifulSoup，用来解析html文件。

当然，这个过程中会有跟多坑，稍微不注意就会掉进坑里。

坑1：

编码
解决方式：文件打开用编码范围最广的gb18030，decode('gb18030','ignore')
这样之后错误少很多了，但还是会报错，从而造成循环终止。为了使得程序继续运行，可以使用以下代码形式来使得循环跳过错误继续进行。

try:
    code1
    code2
except(error):
    continue

坑2：

路径
很多网站html的title不是很规范，比如36大院的title里还包含很多表情符号，比如* % ^ —— /之类的，windows不支持这些直接作为文件名，所以报错，需要进行替换。如果会正则的话比较容易，如果不会的话……那就repalce吧。以及如果包含/，系统会认为这是一个路径，而不是文件名所以报错，一定要注意这一点。
解决方式：把文件名中的/替换掉

代码如下：

#!/usr/bin/python
# -*- coding: utf-8 -*-


import os
import re
import sys
from bs4 import BeautifulSoup


files = os.listdir(os.getcwd())#分解文件名为名字+后缀，用来区分需要重命名哪些文件以及修改后缀

for name in files:
    a = os.path.splitext(name)
    #print (name)
    if a[0] =='showmsg':
        try:
            print(name)
            f = open(name,"rb")
            htmlf = f.read().decode('gb18030','ignore')#编码
            soup = BeautifulSoup(htmlf,"lxml")
            #soup = BeautifulSoup(open(name),"lxml",from_encoding="gb18030")
            new1= soup.title.string#解析出html文件的title（字符串形式）
            #new1= soup.title.encode('gb2312')
            new1=new1.replace('/','][')
            new1=new1.replace(':','')
            new1=new1.replace('【','[')
            new1=new1.replace('】',']')
            new1=new1.replace('?','')
            new1=new1.replace('|','')
            new1=new1.replace('*','')
            new1=new1.replace('•','')
            new1=new1[:-14]
            #分类对文件重命名
            if '&page=' in name:
                num=re.findall(r'page=(\d+)',name)
                newname = new1 + num[0] +'.html'#顺便修改文件类型为html
            else:
                newname = new1 + '.html'
            #newname = new1 + name[:] +'.html'
            #newname = soup.title.string
            print (newname)
            f.close()
            os.rename(name,newname)
        except(FileExistsError,FileNotFoundError,UnicodeEncodeError,OSError):#错误类型
                #os.remove(name)#本来想删除来着，但是当出现编码错误的时候，文件删除会提示正在别的地方占用，禁止删除。估计和句柄有关，但不想解决了，太复杂。

重命名之前：
包含两种文件，一种是一个的id只有一页；一种是一个id有很多页，page不同，正则提取page放入文件名后面加以区分

重命名之后：

ps：
这个是36大院的数据库文件。知道36大院的小伙伴请让我看到你们的双手！！！！！！