解析HTML文件

 #!/usr/bin/env python3
 
 # -*- coding: UTF-8 -*-
 
 from bs4 import BeautifulSoup
 import operator
 import os,shutil
 import re
 
 def processhtml(item):
 　　html_path = item
 　　with open(html_path) as fp:
 　　　　soup = BeautifulSoup(fp, "html.parser")
 　　return soup
 
 def IsComputer(soup_arg):
 　　soup = soup_arg
 　　result = False
 　　try:
 　　　　value = soup.find('input', {'name':'资源类型'}).get('value')
 　　　　if value == '主机':
 　　　　　　print('资源类型：主机')
 　　　　　　result = True
 　　　　elif value == '数据库':
 　　　　　　print('资源类型：数据库')
 　　　　else:
 　　　　　　print('资源类型：其他')
 　　except:
 　　　　pass
 　　return result
 
 def IsAgree(soup_arg):
 　　soup = soup_arg
 　　result = False
 　　try:
 　　　　for row in soup.findAll('tr'):
 　　　　　　cells = row.findAll('td')
 　　　　　　if len(cells) == 4:
 　　　　　　　　if cells[1].findChild("font") != None:
 　　　　　　　　　　nStr = ""
 　　　　　　　　　　nStr = nStr.join(cells[0].string)
 　　　　　　　　　　target = ['帐号管理人员处理']
 　　　　　　　　　　if (operator.eq(nStr.split(), target)):
 　　　　　　　　　　　　print(cells[1].font.string)
 　　　　　　　　　　if (operator.eq(nStr.split(), target) and cells[1].font.string == '同意'):
 　　　　　　　　　　　　print("满足条件为：%s && 审批意见（同意）" % nStr.split()[0])
 　　　　　　　　　　　　result = True
 　　except IndexError as e:
 　　　　pass
 　　return result
 
 def IsIntersect(soup_arg):
 　　soup = soup_arg
 　　result = False
 　　try:
 　　　　value = soup.find('input', {'name':'239385_资源名称'}).get('value')
 　　　　temp_list = re.split('[、：\n]', value)
 　　　　hosts_list = []
 　　　　hosts_list.clear()
 　　　　for hostlist in temp_list:
 　　　　　　if re.search('[a-z]', hostlist):
 　　　　　　　　print(hostlist)
 　　　　　　　　hosts_list.append(hostlist)
 　　　　hosts_set = set(hosts_list)
 　　　　if target_hosts.intersection(hosts_set):
 　　　　　　print('非空，有交集')
 　　　　　　result = True
 　　　　else:
 　　　　　　print("空，无交集")
 　　except:
 　　　　pass
 　　return result
 
 def IsIntersect2(soup_arg):
 　　soup = soup_arg
 　　result = False
 　　try:
 　　　　value = soup.find('input', {'name':'所在的硬件设备/软件平台'}).get('value')
 　　　　temp_list = re.split('[、：\n]', value)
 　　　　hosts_list = []
 　　　　hosts_list.clear()
 　　　　for hostlist in temp_list:
 　　　　　　if re.search('[a-z]', hostlist):
 　　　　　　　　hosts_list.append(hostlist)
 　　　　hosts_set = set(hosts_list)
 　　　　if target_hosts.intersection(hosts_set):
 　　　　　　print('非空，有交集')
 　　　　　　result = True
 　　　　else:
 　　　　　　print("空，无交集")
 　　except:
 　　　　pass
 　　return result
 
 if __name__ == '__main__':
 　　target_hosts = {'cmszsoaa', 'cmszsoab', 'cmszdcss', 'cmszicss', 'cmsznpsa', 'cmsznpsb', 'cmszinta', 'cmszintb',
 　　　　　　　　　　'cmszdpsa', 'cmszdpsb', 'mcbsoaa', 'mcbsoab', 'mcbinta', 'mcbintb', 'mcbdpsa', 'mcbdpsb',
 　　　　　　　　　　'mcbnpsa', 'mcbnpsb', 'mcbdcss', 'mcbicss', 'newdcss', 'newicss'}
 
 　　work_dir = '/root/XmlOut/'
 　　target_dir = '/root/AccountOut/'
 
 　　for parent, dirnames, filenames in os.walk(work_dir, followlinks=True):
 　　　　for filename in filenames:
 　　　　　　file_path = os.path.join(parent, filename)
 　　　　　　print("filename with full path: %s" % file_path)
 　　　　　　soup = processhtml(file_path)
 　　　　　　flag1 = IsComputer(soup)
 　　　　　　flag2 = IsAgree(soup)
 　　　　　　flag3 = IsIntersect(soup)
 　　　　　　flag4 = IsIntersect2(soup)
 　　　　　　if (flag1 and flag2 and (flag3 or flag4)):
 　　　　　　　　print('%s, ok----' % (file_path))
 　　　　　　　　shutil.copy(file_path, target_dir)