爬取html文件试卷只统计未满分import os import re import csv file_path ./data # 获取文件列表 file_names os.listdir(file_path) # 1. 创建文件对象 f open(文件名3.csv, w, newline, encodingutf-8) # 2. 基于文件对象构建 csv写入对象 csv_writer csv.writer(f) # 3. 构建列表头 csv_writer.writerow([用户名, 未满分题目解析]) def extract_tigan_and_scores(html_content): 提取每个题目的题干和评分项 results [] # 找到所有题目标记位置 tihao_pattern rp id(第\d题)b([^])/b/p tihao_matches list(re.finditer(tihao_pattern, html_content)) # 找到所有评分项 score_pattern rdiv(\d\.\s*[^]\((\d)\)\s*---\s*(\d))/div score_matches list(re.finditer(score_pattern, html_content)) # 为每个评分项找到对应的题目 for score_match in score_matches: score_start score_match.start() score_text score_match.group(1) full_score int(score_match.group(2)) actual_score int(score_match.group(3)) # 向前查找最近的题目 corresponding_tihao 未知题目 for tihao_match in reversed(tihao_matches): if tihao_match.end() score_start: corresponding_tihao tihao_match.group(2).replace(nbsp;, ) break results.append({ tihao: corresponding_tihao, score_text: score_text, full_score: full_score, actual_score: actual_score }) return results for file_name in file_names: # 只处理.html文件 if not file_name.endswith(.html): continue file_full_path os.path.join(file_path, file_name) # 提取用户名方括号[]中的内容考号 username_match re.search(r\[(\d)\], file_name) if username_match: yonghuming username_match.group(1) # 提取方括号中的考号如 240701 else: yonghuming file_name[:6] # 备用方案 with open(file_full_path, r, encodingutf-8) as f1: html_content f1.read() # 提取所有题目和评分项的对应关系 all_items extract_tigan_and_scores(html_content) # 筛选未满分的题目并包含题干信息 not_full_items [] for item in all_items: if item[actual_score] item[full_score]: # 格式【题干】评分项 (满分X实得Y) formatted f【{item[tihao]}】{item[score_text]} (满分{item[full_score]}实得{item[actual_score]}) not_full_items.append(formatted) # 将未满分的题目合并为一个字符串用分号分隔 if not_full_items: jiexi ; .join(not_full_items) else: jiexi 全部满分 # 4. 写入csv文件内容 csv_writer.writerow([yonghuming, jiexi]) # 5. 关闭文件 f.close() print(ok)