AI让“消失的网页”露出真面目

保存了一个网页到本地，打开后却显示：Page not found，

查看源代码，应该是使用了JavaScript脚本

在Deepseek中输入提示词：

你是一个Python编程专家，写一段Python脚本，具体步骤如下：

打开文件夹：F:\Dwarkesh Podcast

读取里面所有的html网页文件；

去掉网页源代码中的全部Javascript代码；

注意：每一步都要输出信息到屏幕上

Deepseek给出的Python源代码：

import os

import re

def remove_javascript(html_content):

"""

去掉HTML内容中的所有JavaScript代码。

"""

# 使用正则表达式匹配<script>标签及其内容

pattern = re.compile(r'<script.*?>.*?</script>', re.DOTALL)

return pattern.sub('', html_content)

def process_html_files(folder_path):

"""

处理指定文件夹中的所有HTML文件。

"""

# 检查文件夹是否存在

if not os.path.exists(folder_path):

print(f"文件夹 {folder_path} 不存在。")

return

# 遍历文件夹中的所有文件

for filename in os.listdir(folder_path):

if filename.endswith('.html'):

file_path = os.path.join(folder_path, filename)

print(f"正在处理文件: {file_path}")

# 读取HTML文件内容

with open(file_path, 'r', encoding='utf-8') as file:

html_content = file.read()

# 去掉JavaScript代码

cleaned_html = remove_javascript(html_content)

# 将处理后的内容写回文件

with open(file_path, 'w', encoding='utf-8') as file:

file.write(cleaned_html)

print(f"文件 {filename} 处理完成。")

if __name__ == "__main__":

folder_path = r"F:\Dwarkesh Podcast"

print(f"开始处理文件夹: {folder_path}")

process_html_files(folder_path)

print("所有文件处理完成。")

代码说明：

remove_javascript 函数：使用正则表达式匹配并删除HTML内容中的所有<script>标签及其内容。

process_html_files 函数：遍历指定文件夹中的所有HTML文件，读取文件内容，去掉JavaScript代码，并将处理后的内容写回文件。

主程序：指定文件夹路径，调用process_html_files函数处理文件夹中的HTML文件。

输出信息：

开始处理文件夹时会输出文件夹路径。

处理每个HTML文件时会输出文件名。

处理完成后会输出“所有文件处理完成”。

注意事项：

确保文件夹路径正确，并且文件夹中确实包含HTML文件。

如果文件夹中包含非HTML文件（如.txt、.jpg等），这些文件将被忽略。

运行程序，JavaScript脚本去除掉后，正常显示页面了：