推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
Python 模块 mammoth 怎么转换 docx 文件为 html?
vtoexsir · 2016-10-29 21:05:59 +08:00 · 3773 次点击这是一个创建于 2952 天前的主题，其中的信息可能已经有所发展或是发生改变。
mammoth 模块,可以将 docx 文件转为 html,可以清理掉 html 代码中 word 的一些特定格式.也能输出 docx 文件中的图片.
在 windows 的 cmd 下,使用如下命令:
mammoth document.docx --output-dir=output-dir
则在 output-dir 目录下,输出 html 文件和图片文件.
如下 Python 代码:
with open("document.docx", "rb") as docx_file:
result = mammoth.convert_to_html(docx_file)
html = result.value # The generated HTML
messages = result.messages```
以上代码会生成 html 代码,并不能将 docx 中的图片保存到一个目录里边;
同时在 html 中,图片会被使用 base64 编码,并且删除了 width 和 height 属性.
我想要的是,将图片保留到一个目录里边;
同时生成的 html 代码里,不要将图片使用 base64 编码,并保持图片的 width 和 height 属性.
英文太差,看得头痛也没有搞清楚怎么弄,请大家帮助,最好贴下简单的代码,多谢您的回复!
4 条回复 • 2016-10-30 11:32:51 +08:00
 |
1
yexiaoxing 2016-10-29 21:53:27 +08:00
By default, images are included inline in the output HTML. If an output directory is specified by --output-dir, the images are written to separate files instead. For instance:
'mammoth document.docx --output-dir=output-dir' |
 |
2
vtoexsir OP @yexiaoxing 感谢您的回复,如上代码在 cmd 执行,在 output-dir 文件夹会生成 html 文件和图片文件,存在的问题是:
html 文件中图片元素(如:<img src="1.png" />)没有高和宽属性,我希望 html 文件中的图片元素保持高宽属性的值,不要过滤掉.如:<img src="1.png" width="300" height="200" />. 这样的效果,用 python 代码可以实现的吗?怎么写呢? |
 |
3
zhuangzhuang1988 2016-10-29 22:27:25 +08:00
代码不都是开源的么， 写个代码 patch 下生成过程就好了
|
|
4
vtoexsir OP @zhuangzhuang1988 太菜了,还没那两下子!@@@
|
Select Language