欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python實現(xiàn)將HTML轉換成doc格式文件的方法示例

 更新時間:2017年11月20日 12:00:56   作者:tomshall  
這篇文章主要介紹了Python實現(xiàn)將HTML轉換成doc格式文件的方法,涉及Python htmlparser及docx模塊的相關使用技巧,需要的朋友可以參考下

本文實例講述了Python實現(xiàn)將HTML轉換成doc格式文件的方法。分享給大家供大家參考,具體如下:

網(wǎng)頁上的一些文章,因為有格式的原因,它們在網(wǎng)頁上的源碼都是帶有html標簽的,用css來進行描述。本文利用HTML Parserdocx兩個模塊,對網(wǎng)頁進行解析并存儲到word文檔中。轉換出來的格式相對還是有些粗糙,不喜勿噴。話不多說,直接上代碼。

class HTMLClient:
  #獲取html網(wǎng)頁源碼
  def GetPage(self, url):
    #user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
    user_agent = 'Mozilla/5.0 (X11; Linux i686) AppleWebKit/537.36 (KHTML, like Gecko) Ubuntu Chromium/34.0.1847.116 Chrome/34.0.1847.116 Safari/537.36'
    headers = { 'User-Agent' : user_agent }
    req = urllib.request.Request(url, None, headers)
    try:
      res = urllib.request.urlopen(req)
      return res.read().decode("utf-8")
    except urllib.error.HTTPError as e:
      return None
  #獲取網(wǎng)絡圖片并保存在程序運行目錄下
  def GetPic(self, url):
    user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
    headers = { 'User-Agent' : user_agent }
    req = urllib.request.Request(url, None, headers)
    try:
      res = urllib.request.urlopen(req)
      return res.read()
    except urllib.error.HTTPError as e:
      return None

html到doc的轉換過程中,圖片保存和處理是比較麻煩的事情,因為可能涉及到圖片格式錯誤,因此為了保證圖片正常運行,應當修改圖片添加異常處理流程。

class MYHTMLParser(HTMLParser):
  def __init__(self, docfile):
    HTMLParser.__init__(self)
    self.docfile = docfile
    self.doc = Document(docfile)
    self.myclient = HTMLClient()
    self.text = ''
    self.title = False
    self.isdescription = False
    self.picList=[]
  #根據(jù)標簽頭類型決定標簽內(nèi)容的格式
  def handle_starttag(self, tag, attrs):
    #print "Encountered the beginning of a %s tag" % tag
    self.title = False
    self.isdescription = False
    #<h1>標簽說明其中的內(nèi)容是標題
    if re.match(r'h(\d)', tag):
      self.title = True
    #圖片的處理比較復雜,首先需要找到對應的圖片的url,然后下載并寫入doc中
    #下載的圖片格式如果有問題,docx模塊會報錯,因此重新定義異常處理
    #圖片名稱需要記錄下來,在文檔保存后要自動刪除
    if tag == "img":
      if len(attrs) == 0: pass
      else:
        for (variable, value) in attrs:
          if variable == "src":
            #此處圖片url類型為[http://url/pic.img!200*200]
            #不同網(wǎng)站圖片類型不同,因此當作不同處理
            picdata = self.myclient.GetPic(value.split('!')[0])
            if picdata == None:
              pass
            else:
              pictmp = value.split('/')[-1].split('!')[0]
              picfix = value.split('/')[-1].split('!')[-1]
              with open(pictmp, 'wb') as pic:
                pic.write(bytes(picdata))
                pic.close()
              try:
                if picfix[0:1] == 'c':
                  self.doc.add_picture(pictmp, width=Inches(4.5))
                else:
                  self.doc.add_picture(pictmp)#, width=Inches(2.25))
              except docx.image.exceptions.UnexpectedEndOfFileError as e:
                print(e)
              self.picList.append(pictmp)
    #javascript腳本
    if tag == 'script':
      self.isdescription = True
  def handle_data(self, data):
    if self.title == True:
      if self.text != '':
        self.doc.add_paragraph(self.text)
      self.text = ''
      self.doc.add_heading(data, level=2)
    if self.isdescription == False:
      self.text += data
  def handle_endtag(self, tag):
    #if tag == 'br' or tag == 'p' or tag == 'div':
    if self.text != '':
      self.doc.add_paragraph(self.text)
      self.text = ''
  def complete(self, html):
    self.feed(html)
    self.doc.save(self.docfile)
    for item in self.picList:
      if os.path.exists(item):
        os.remove(item)

更多關于Python相關內(nèi)容感興趣的讀者可查看本站專題:《Python編碼操作技巧總結》、《Python圖片操作技巧總結》、《Python數(shù)據(jù)結構與算法教程》、《Python Socket編程技巧總結》、《Python函數(shù)使用技巧總結》、《Python字符串操作技巧匯總》、《Python入門與進階經(jīng)典教程》及《Python文件與目錄操作技巧匯總

希望本文所述對大家Python程序設計有所幫助。

相關文章

  • Ubuntu下Anaconda和Pycharm配置方法詳解

    Ubuntu下Anaconda和Pycharm配置方法詳解

    這篇文章主要為大家詳細介紹了Ubuntu下Anaconda和Pycharm配置方法,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2019-06-06
  • Keras 如何修改圖片通道的順序

    Keras 如何修改圖片通道的順序

    這篇文章主要介紹了Keras 修改圖片通道順序的操作方式,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2021-05-05
  • python中for用來遍歷range函數(shù)的方法

    python中for用來遍歷range函數(shù)的方法

    今天小編就為大家分享一篇python中for用來遍歷range函數(shù)的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-06-06
  • Python學習之yaml文件的讀取詳解

    Python學習之yaml文件的讀取詳解

    yaml其實也類似于 json、txt ,它們都屬于一種文本格式。在我們的實際工作中, yaml 文件經(jīng)常作為服務期配置文件來使用。本文將為大家介紹一些Python讀取yaml文件的方法,需要的可以參考一下
    2022-03-03
  • 從零學Python之hello world

    從零學Python之hello world

    從今天開始講陸續(xù)發(fā)布一系列python基礎教程,讓新手更快更好的入門。
    2014-05-05
  • python http接口自動化腳本詳解

    python http接口自動化腳本詳解

    這篇文章主要為大家詳細介紹了python http接口自動化腳本,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2018-01-01
  • Python利用wxPython模塊打造ChatGPT式打字效果程序

    Python利用wxPython模塊打造ChatGPT式打字效果程序

    這篇文章主要為大家介紹了如何利用Python和wxPython模塊打造一個ChatGPT式打字效果程序,從而增強用戶體驗或提高應用程序的可讀性,感興趣的可以了解一下
    2023-05-05
  • Python 利用flask搭建一個共享服務器的步驟

    Python 利用flask搭建一個共享服務器的步驟

    這篇文章主要介紹了Python 利用flask搭建一個共享服務器的步驟,幫助大家更好的理解和學習python,感興趣的朋友可以了解下
    2020-12-12
  • 關于python列表增加元素的三種操作方法

    關于python列表增加元素的三種操作方法

    這篇文章主要介紹了關于python列表增加元素的幾種操作方法,主要有insert方法,extend方法和append方法,每種方法給大家介紹的非常詳細,需要的朋友可以參考下
    2018-08-08
  • 對python添加模塊路徑的三種方法總結

    對python添加模塊路徑的三種方法總結

    今天小編就為大家分享一篇對python添加模塊路徑的三種方法總結,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-10-10

最新評論