python将源代码转换成在html可显示的格式,Python实现将HTML转换成doc格式文件的方法示例...
Python实现将HTML转换成doc格式文件的方法示例
来源:中文源码网 浏览: 次 日期:2018年9月2日
【下载文档: Python实现将HTML转换成doc格式文件的方法示例.txt 】
(友情提示:右键点上行txt文档名->目标另存为)
Python实现将HTML转换成doc格式文件的方法示例 本文实例讲述了Python实现将HTML转换成doc格式文件的方法。分享给大家供大家参考,具体如下:
网页上的一些文章,因为有格式的原因,它们在网页上的源码都是带有html标签的,用css来进行描述。本文利用HTML Parser 和docx两个模块,对网页进行解析并存储到word文档中。转换出来的格式相对还是有些粗糙,不喜勿喷。话不多说,直接上代码。
class HTMLClient:
#获取html网页源码
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
#获取网络图片并保存在程序运行目录下
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 Nonehtml到doc的转换过程中,图片保存和处理是比较麻烦的事情,因为可能涉及到图片格式错误,因此为了保证图片正常运行,应当修改图片添加异常处理流程。
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=[]
#根据标签头类型决定标签内容的格式
def handle_starttag(self, tag, attrs):
#print "Encountered the beginning of a %s tag" % tag
self.title = False
self.isdescription = False
#
标签说明其中的内容是标题
if re.match(r'h(\d)', tag):
self.title = True
#图片的处理比较复杂,首先需要找到对应的图片的url,然后下载并写入doc中
#下载的图片格式如果有问题,docx模块会报错,因此重新定义异常处理
#图片名称需要记录下来,在文档保存后要自动删除
if tag == "img":
if len(attrs) == 0: pass
else:
for (variable, value) in attrs:
if variable == "src":
#此处图片url类型为[http://url/pic.img!200*200]
#不同网站图片类型不同,因此当作不同处理
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脚本
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)更多关于Python相关内容感兴趣的读者可查看本站专题:《Python编码操作技巧总结》、《Python图片操作技巧总结》、《Python数据结构与算法教程》、《Python Socket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。
亲,试试微信扫码分享本页! *^_^*
python将源代码转换成在html可显示的格式,Python实现将HTML转换成doc格式文件的方法示例...相关推荐
- python 读取pdf cid_python使用pdfminer解析pdf文件的方法示例
最近要做个从 pdf 文件中抽取文本内容的工具,大概查了一下 python 里可以使用 pdfminer 来实现.下面就看看怎样使用吧. PDFMiner是一个可以从PDF文档中提取信息的工具.与其他 ...
- python将字典写入csv_Python如何把字典写入到CSV文件的方法示例
在实际数据分析过程中,我们分析用Python来处理数据(海量的数据),我们都是把这个数据转换为Python的对象的,比如最为常见的字典. 比如现在有几十万份数据(当然一般这么大的数据,会用到数据库的概 ...
- python html转word文档_Python实现将HTML转换成doc格式文件的方法示例
本文实例讲述了Python实现将HTML转换成doc格式文件的方法.分享给大家供大家参考,具体如下: 网页上的一些文章,因为有格式的原因,它们在网页上的源码都是带有html标签的,用css来进行描述. ...
- python合并文件夹下的文件_Python实现合并同一个文件夹下所有PDF文件的方法示例...
本文实例讲述了Python实现合并同一个文件夹下所有PDF文件的方法.分享给大家供大家参考,具体如下: 一.需求说明 下载了网易云课堂的吴恩达免费的深度学习的pdf文档,但是每一节是一个pdf,我把这 ...
- python抓取网页内容到excel_Python实现抓取网页生成Excel文件的方法示例
本文实例讲述了Python实现抓取网页生成Excel文件的方法.分享给大家供大家参考,具体如下: Python抓网页,主要用到了PyQuery,这个跟jQuery用法一样,超级给力 示例代码如下: # ...
- python类中的属性分为类属性和实例属性两种_python中类和实例如何绑定属性与方法示例详解...
前言 python类与实例的方法的调用中觉得云里雾里,思考之后将自己的想法记录下,一来加深自己理解,巩固自己记忆,而来帮助一些想要学习python的朋友理解这门抽象的语言,由于Python是动态语言, ...
- python读取多个文件夹下所有txt_Python实现合并同一个文件夹下所有txt文件的方法示例...
本文实例讲述了Python实现合并同一个文件夹下所有txt文件的方法.分享给大家供大家参考,具体如下: 一.需求分析 合并一个文件夹下所有txt文件 二.合并效果 三.python实现代码 # -*- ...
- python合并文件夹下的文件_Python实现合并同一个文件夹下所有txt文件的方法示例...
本文实例讲述了Python实现合并同一个文件夹下所有txt文件的方法.分享给大家供大家参考,具体如下: 一.需求分析 合并一个文件夹下所有txt文件 二.合并效果 三.python实现代码 # -*- ...
- python获得屏幕分辨率多少合适_获取显示计数和Python中的每个显示器的分辨率不xrandr...
我运行Ubuntu和我想连接的显示器,其当前的分辨率的数量,如果可能的话,它们相对于彼此的位置. 因为我不喜欢解析xrandr的控制台输出 - 至少不是如果我没有 - 我想这样做与Python-XLi ...
最新文章
- pip快速下载安装python 模块module
- error: xxxx.o: Relocations in generic ELF (EM: 3)解决办法
- p20适配鸿蒙系统,适配鸿蒙OS,必须要升级到EMUI 11?最新机型升级名单公布
- python_threading模块实现多线程详解(转)
- 世界坐标系,相机坐标系和图像坐标系的转换(Python)
- Qt对话框的事件循环实例分析
- 记录一次Oracle注入绕waf
- no segments* file found in SimpleFSDirectory问题总结
- manjaro配置zsh和oh-my-zsh
- vs2013创建c++控制台应用程序
- Hibernate:1对1关系总结。
- jedate选择一年范围日期插件
- python图像边缘检测_Python进行图片水平边缘检测prewitt算子法
- 统计遗传学:第五章,多基因评分PGS
- 预装WIN8的电脑是GPT分区模式,无法安装WIN7
- 四分位数的数学计算以及使用pandas计算
- 《JOEL说软件》-- Jole Spolsky
- 03 学生免费注册Pycharm专业版
- 【Linux】gcc编译器下载与手动安装
- 【苦练基本功2】求最小公倍数
热门文章
- 家用平价洗地机哪款好?国产性价比高的品牌
- 血色先锋队(BFS)
- 基于平面的约束2D激光雷达和相机的联合标定(2D Laser and Camera Calibration )原理及项目代码具体使用——旷视
- Sparrow——基础搭建
- 正则表达式环视否定例子
- valueAnimator 属性动画
- python 股票指标库talib_Python进阶量化交易专栏场外篇19-建立基于TA-Lib的指标库
- ZZULI-1184 平面点排序(二)(结构体专题)
- 企业财务制度二--(三)所有者权益类科目 3131 本年利润(转载)
- 删除小红点\u200b的