是否有一个.endswith可以打开后缀在（“.html？”）之后有变化的文件（例如通过“.html？p=1209401”、“.html？p=92030”等）

Question

我正在尝试创建一个html解析器，它将获取文件夹及其子文件夹中的所有html和htm文件，取出所有html标记并导出CSV和TXT文件。我有一个包含子文件夹的文件夹，其中有许多文件以“.html？p=39200”或“index.html？replytocom=5467”结尾

我想告诉Python打开所有带有“.html？”+*（包括之后的任何变体）的文件，而不仅仅是“.html”文件

我试过google，查看文档，还有堆栈溢出，但是找不到解决这个问题的方法。到目前为止，我的代码是：

with os.scandir(directory) as it:
    for entry in it:
        if entry.name.endswith(".html") or entry.name.endswith("htm"):

免责声明：我是初学者

Answer 1

也使用正则表达式

import re
with os.scandir(directory) as it:
    for entry in it:
        if re.match(r'.*?(?:\.html?$|\.html?\?.*)', entry.name) is not None:

Answer 2

您可以使用^{}获取问号前面的部分（如果不包含问号，则获取整个文件名），并使用该部分与“.html”和“htm”匹配：

with os.scandir(directory) as it:
    for entry in it:
        name = entry.name.split('?')[0]
        if name.endswith(".html") or name.endswith("htm"):
            print(entry.name)

Answer 3

您可以检查字符串".html"是否出现在文件名中的任何位置，而不仅仅出现在末尾：

with os.scandir(directory) as it:
    for entry in it:
        if ".html" in entry.name: