电脑知识|欧美黑人一区二区三区|软件|欧美黑人一级爽快片淫片高清|系统|欧美黑人狂野猛交老妇|数据库|服务器|编程开发|网络运营|知识问答|技术教程文章 - 好吧啦网

您的位置:首頁技術文章
文章詳情頁

Python實現Word文檔轉換Markdown的示例

瀏覽:5日期:2022-07-01 15:04:36

隨著SaaS服務的流行,越來越多的人選擇在各個平臺上編寫文檔,制作表格并進行分享。

同時,隨著Markdown語法的破圈,很多平臺開始集成支持這種簡潔的書寫標記語言,這樣可以保證平臺上用戶文檔樣式的統一性。

但是在一些場景下,我們還是會在本地的Office軟件上寫有很多文檔,或者歷史遺留了很多本地文檔。

如果我們需要將其上傳到各大平臺,直接復制粘貼,大概率是會造成文檔內容結構和樣式的丟失。于此我們需要將其轉換為 Markdown 語法。

很多桌面軟件(比如Typora)都提供了導入 Word 文件的功能,這類功能一般是通過 Pandoc 這個軟件來擴展實現的。

Pandoc 是一個全能型的文檔格式轉換工具,其能夠將多種文檔格式轉換為各類常見的文檔格式。具體的文檔格式之間的轉換如下圖所示(來源于官網):

Python實現Word文檔轉換Markdown的示例

Pandoc 是瑞士軍刀一般的存在,能夠較好的處理各類的文檔格式轉換,但是如果我們需要自己寫程序,調用 Pandoc 則需要額外的安裝 Pandoc 才行,并且也不方便自定義。

幸而,在 Python 中有很多第三方模塊提供了此類文檔格式的轉換功能。今天,我們來實現一下比較頻繁使用到的 Word 文檔轉 Markdown 文檔。

轉換邏輯

Word 文檔到 Markdown 文檔的轉換總體而言分兩步來實現:

第一步,將 Word 文檔轉換為 HTML 文檔; 第二步,將 HTML 文檔轉換為 Markdown 文檔; 依賴模塊

要實現這個功能我們需要借助 Python 的兩個第三方模塊:

mammoth markdownify

mammoth 是一個用于將 Word 文檔轉換為 HTML 的模塊,它支持在 Python、JavaScript、Java、.Net等平臺使用。而 markdownify 則是將 HTML 轉換為 Markdown 文檔的模塊。

處理 Word 圖片

因為 Word 文檔中不可避免地會存在很多圖片,為了在轉換后的文檔中能夠正確地顯示圖片,我們需要自定義一下Word 文檔內圖片的處理方式。默認情況下,mammoth 會將圖片轉換為 base64 編碼的字符串,這樣不用生成額外的本地圖片文件,但是會使文檔體積變得很大。所以我們選擇將圖片另存為本地圖片:

# 轉存Word文檔內的圖片def convert_img(image): with image.open() as image_bytes: file_suffix = image.content_type.split('/')[1] path_file = './img/{}.{}'.format(str(time.time()),file_suffix) with open(path_file, ’wb’) as f: f.write(image_bytes.read()) return {'src':path_file}正式轉換

在這里,我們以州的先生很久以前寫的《Python爬蟲實戰與機器學習應用》(需要這本書的小伙伴可以微信私聊我)這本書的 Word 文檔來演示。

Python實現Word文檔轉換Markdown的示例

代碼如下所示:

# 讀取Word文件with open(r'F:自媒體Python爬蟲實戰與機器學習應用.docx' ,'rb') as docx_file: # 轉化Word文檔為HTML result = mammoth.convert_to_html(docx_file,convert_image=mammoth.images.img_element(convert_img)) # 獲取HTML內容 html = result.value # 轉化HTML為Markdown md = markdownify(html,heading_style='ATX') print(md) with open('./docx_to_html.html',’w’,encoding=’utf-8’) as html_file,open('./docx_to_md.md','w',encoding=’utf-8’) as md_file: html_file.write(html) md_file.write(md) messages = result.messages

運行程序,最終生成2個文件:

docx_to_html.html docx_to_md.md

其中,docx_to_html.html 是 Word 文檔轉換為 HTML 后的文檔:

Python實現Word文檔轉換Markdown的示例

docx_to_md.md 是 HTML 轉換為 Markdown 后的文檔:

Python實現Word文檔轉換Markdown的示例

最后是另存為的圖片:

Python實現Word文檔轉換Markdown的示例

怎么樣,簡單的二三十行代碼就完成了 Word 到 Markdown 文檔的轉換,是不是很簡單?

此功能將集成到覓道文檔作為文檔導入的功能實現,歡迎持續進行關注!

文章版權所有:州的先生博客

原文地址:https://zmister.com/archives/1601.html

以上就是Python實現Word文檔轉換Markdown的示例的詳細內容,更多關于python Word文檔轉換Markdown的資料請關注好吧啦網其它相關文章!

標簽: python
相關文章:
主站蜘蛛池模板: 破碎机_上海破碎机_破碎机设备_破碎机厂家-上海山卓重工机械有限公司 | 商用绞肉机-熟肉切片机-冻肉切丁机-猪肉开条机 - 广州市正盈机械设备有限公司 | 污水处理设备维修_污水处理工程改造_机械格栅_过滤设备_气浮设备_刮吸泥机_污泥浓缩罐_污水处理设备_污水处理工程-北京龙泉新禹科技有限公司 | 南京PVC快速门厂家南京快速卷帘门_南京pvc快速门_世界500强企业国内供应商_南京美高门业 | 杭州成人高考_浙江省成人高考网上报名| 鹤壁创新仪器公司-全自动量热仪,定硫仪,煤炭测硫仪,灰熔点测定仪,快速自动测氢仪,工业分析仪,煤质化验仪器 | 厌氧反应器,IC厌氧反应器,厌氧三相分离器-山东创博环保科技有限公司 | 宿松新闻网 宿松网|宿松在线|宿松门户|安徽宿松(直管县)|宿松新闻综合网站|宿松官方新闻发布 | 诗词大全-古诗名句 - 古诗词赏析 | 水轮机密封网 | 水轮机密封产品研发生产厂家 | 净化车间_洁净厂房_净化公司_净化厂房_无尘室工程_洁净工程装修|改造|施工-深圳净化公司 | 煤机配件厂家_刮板机配件_链轮轴组_河南双志机械设备有限公司 | 厚壁钢管-厚壁无缝钢管-小口径厚壁钢管-大口径厚壁钢管 - 聊城宽达钢管有限公司 | 混合反应量热仪-高温高压量热仪-微机差热分析仪DTA|凯璞百科 | 杭州厂房降温,车间降温设备,车间通风降温,厂房降温方案,杭州嘉友实业爽风品牌 | 胶水,胶粘剂,AB胶,环氧胶,UV胶水,高温胶,快干胶,密封胶,结构胶,电子胶,厌氧胶,高温胶水,电子胶水-东莞聚力-聚厉胶粘 | 澳门精准正版免费大全,2025新澳门全年免费,新澳天天开奖免费资料大全最新,新澳2025今晚开奖资料,新澳马今天最快最新图库-首页-东莞市傲马网络科技有限公司 | 塑胶跑道_学校塑胶跑道_塑胶球场_运动场材料厂家_中国塑胶跑道十大生产厂家_混合型塑胶跑道_透气型塑胶跑道-广东绿晨体育设施有限公司 | 电动高尔夫球车|电动观光车|电动巡逻车|电动越野车厂家-绿友机械集团股份有限公司 | Jaeaiot捷易科技-英伟达AI显卡模组/GPU整机服务器供应商 | 无锡市珂妮日用化妆品有限公司|珂妮日化官网|洗手液厂家 | 电镀整流器_微弧氧化电源_高频电解电源_微弧氧化设备厂家_深圳开瑞节能 | PE一体化污水处理设备_地埋式生活污水净化槽定制厂家-岩康塑业 | 不锈钢散热器,冷却翅片管散热器厂家-无锡市烨晟化工装备科技有限公司 | 立式_复合式_壁挂式智能化电伴热洗眼器-上海达傲洗眼器生产厂家 理化生实验室设备,吊装实验室设备,顶装实验室设备,实验室成套设备厂家,校园功能室设备,智慧书法教室方案 - 东莞市惠森教学设备有限公司 | 企典软件一站式企业管理平台,可私有、本地化部署!在线CRM客户关系管理系统|移动办公OA管理系统|HR人事管理系统|人力 | 杜甫仪器官网|实验室平行反应器|升降水浴锅|台式低温循环泵 | 定硫仪,量热仪,工业分析仪,马弗炉,煤炭化验设备厂家,煤质化验仪器,焦炭化验设备鹤壁大德煤质工业分析仪,氟氯测定仪 | 换网器_自动换网器_液压换网器--郑州海科熔体泵有限公司 | 十二星座查询(性格特点分析、星座运势解读) - 玄米星座网 | 智能家居全屋智能系统多少钱一套-小米全套价格、装修方案 | 防腐储罐_塑料储罐_PE储罐厂家_淄博富邦滚塑防腐设备科技有限公司 | 自动配料系统_称重配料控制系统厂家 | 北京银联移动POS机办理_收银POS机_智能pos机_刷卡机_收银系统_个人POS机-谷骐科技【官网】 | 行星齿轮减速机,减速机厂家,山东减速机-淄博兴江机械制造 | 踏板力计,制动仪,非接触多功能速度仪,逆反射系数测试仪-创宇 | 环氧铁红防锈漆_环氧漆_无溶剂环氧涂料_环氧防腐漆-华川涂料 | 卸料器-卸灰阀-卸料阀-瑞安市天蓝环保设备有限公司 | 长沙印刷厂-包装印刷-画册印刷厂家-湖南省日大彩色印务有限公司 青州搬家公司电话_青州搬家公司哪家好「鸿喜」青州搬家 | 自恢复保险丝_贴片保险丝_力特保险丝_Littelfuse_可恢复保险丝供应商-秦晋电子 | 顺景erp系统_erp软件_erp软件系统_企业erp管理系统-广东顺景软件科技有限公司 |