1

我目前有一个下载的 HTML 页面，大小为 300MB。它现在无法打开。该文件创建多个条目，其中包含与表中的文件相关的数据。示例如下：

<div class="item">
      <h2>install.log</h2> 

<table>
        <col width="1*"/>
        <col width="2*"/>
        <tbody>


          <tr>
            <th>Local Copy:</th>
            <td>
              <a href="./Items/Test/Test/Test.L01/Sideways%123/D/Program%20Files/Mozilla%20Firefox/install.log">install</a>
            </td>
          </tr>



          <tr>
            <th>Name:</th>
            <td>
                                    install.log
                            </td>
          </tr>
          <tr>
            <th>Path Name:</th>
            <td>
                                    /Test/Test/Test.L01/Sideways123/D/Program Files/Mozilla Firefox
                            </td>
          </tr>
          <tr>
            <th>GUID:</th>
            <td>
                                    <tt>efaa12b1-e4b0-4ed8-9d14-b2dbf8d707fe</tt>
                            </td>
          </tr>
          <tr>
            <th>Item Date:</th>
            <td>
                                    Wednesday, 25 March 2009 15:14:39 o'clock GMT
                            </td>
          </tr>
          <tr>
            <th>File Created:</th>
            <td>
                                    Wednesday, 25 March 2009 15:14:36 o'clock GMT
                            </td>
          </tr>
          <tr>
            <th>File Modified:</th>
            <td>
                                    Wednesday, 25 March 2009 15:14:39 o'clock GMT
                            </td>
          </tr>



        </tbody>
      </table>

 </div>

我要做的是删除一些表条目，以便我可以在浏览器中打开文件，并且很多条目不相关。在上面的示例中，该部分以<h2></h2>包含文件扩展名的文件条目开始。我想编写一个 python 脚本，它基本上允许我列出许多文件扩展名（即 .log、.txt 等），然后我想编辑 HTML 页面并只包含那些包含这些文件扩展名的条目如果不是这种情况，请删除表条目和该表条目的所有关联数据。因此，在上面的代码中，如果我仅查找带有 .xls 和 .jpg 的文件，那么所有这些数据都将从 HTML 中删除。

有什么建议么？

4

0 回答 0