如何使这个python脚本遍历目录树？

我有一个python脚本

$ cat ~/script.py
import sys
from lxml import etree
from lxml.html import parse
doc = parse(sys.argv[1])
title = doc.find('//title')
title.text = span2.text.strip()
print etree.tostring(doc)

我可以在单个文件上运行脚本，方法如下

$ python script.py foo.html > new-foo.html

我的问题是我有一个目录

~/webpage

，其中包含数百个

.html

文件，这些文件分散在子目录中。我想在所有这些html文件上运行

~/script.py

。我目前正在做这件事

$ find ~/webpage/ -name "*.html" -exec sh -c 'python ~/script.py {} > {}-new' \;

但是，这会为

~/webpage

中的每个html文件创建一个新文件，我实际上希望编辑原始文件

这可以在python中实现吗？可能需要像os.walk这样的东西？

通过自顶向下或自底向上遍历目录树来生成目录树中的文件名。对于树中以目录top为根的每个目录（包括top本身），它将生成一个3元组（dirpath、dirnames、filenames）

请根据您自己的逻辑重写进程函数，此回调接受绝对路径作为唯一参数

如果只需要流程特定的文件：

def traverse(directory, callback=process, file_type="txt"):
    for dirpath, dirnames, filenames in os.walk(directory):
        for f in filenames:
            path = os.path.abspath(os.path.join(dirpath, f))
            if path.endswith(file_type):
                callback(path)

---

因此，进行这些更改可以删除错误，但是我如何使用它来保存对文件的编辑？您可以将生成的文档写入文件。我将用一个例子更新我的答案。

import os

def process(file_name):
    with open(file_name) as readonly_file:
        print "Do something with %s ,size %d" % (file_name, len(readonly_file.read()))

def traverse(directory, callback=process):
    for dirpath, dirnames, filenames in os.walk(directory):
        for f in filenames:
            path = os.path.abspath(os.path.join(dirpath, f))
            callback(path)

print traverse('./')

def traverse(directory, callback=process, file_type="txt"):
    for dirpath, dirnames, filenames in os.walk(directory):
        for f in filenames:
            path = os.path.abspath(os.path.join(dirpath, f))
            if path.endswith(file_type):
                callback(path)