快捷導(dǎo)航

基于python+pandoc實(shí)現(xiàn)html批量轉(zhuǎn)word

更新時(shí)間：2023年09月07日 10:44:55 作者：IceFloe_Rot

pandoc是一個(gè)強(qiáng)大的文檔格式轉(zhuǎn)換工具,支持豐富的格式轉(zhuǎn)換,并盡可能的保留原來的排版,號(hào)稱文檔格式轉(zhuǎn)換的瑞士軍刀,本文將給大家介紹一下使用python搭配pandoc實(shí)現(xiàn)html批量轉(zhuǎn)word,感興趣的朋友可以參考閱讀下

使用python搭配pandoc實(shí)現(xiàn)html批量轉(zhuǎn)word

好兄弟工作上有一批（5000+）html的文檔需要轉(zhuǎn)成word格式，他采用了兩種實(shí)現(xiàn)方式，但都有些問題：

直接改后綴有些會(huì)亂碼 --> 有些會(huì)亂碼，原因不知
一個(gè)一個(gè)復(fù)制粘貼 --> 太費(fèi)時(shí)間

找到我來幫忙，研究了下發(fā)現(xiàn)了pandoc這個(gè)神器，記錄下實(shí)現(xiàn)的過程和踩的坑

pandoc簡(jiǎn)介

pandoc是一個(gè)強(qiáng)大的文檔格式轉(zhuǎn)換工具，支持豐富的格式轉(zhuǎn)換，并盡可能的保留原來的排版，號(hào)稱文檔格式轉(zhuǎn)換的瑞士軍刀

體支持哪些格式轉(zhuǎn)換可以查看官方文檔（網(wǎng)頁(yè)打開比較慢…）：Pandoc - index

需要說明的是，pandoc要下載并安裝到本地才可以使用，windows下是一個(gè)msi的安裝包（mac版沒試），安裝之后會(huì)自動(dòng)添加路徑到環(huán)境變量里，可以直接使用cmd執(zhí)行程序

使用cmd進(jìn)行文檔格式轉(zhuǎn)換

一開始我是直接使用cmd指令進(jìn)行格式轉(zhuǎn)換，使用到的指令如下：

pandoc abc.html -o abc.docx

本地測(cè)試了一下可以正常轉(zhuǎn)換，然后我就想寫一個(gè)bat腳本批量執(zhí)行，但是發(fā)現(xiàn)cmd指令讀不出來中文文件名，即使改了cmd的編碼為UTF-8也不行，查了好多資料都沒找到解決方法，只好作罷，如果有大佬知道怎么讀取中文文件名的還請(qǐng)不吝賜教

使用python搭配pandoc

沒法使用bat腳本進(jìn)行轉(zhuǎn)換，又查了些資料，改為使用python中的os.system來代替執(zhí)行cmd指令，具體代碼如下：

注意：前提是必須要安裝pandoc到系統(tǒng)

import os
def transfer_file(file_dir):
    count = 1
    for root, dirs, files in os.walk(file_dir):  # 獲取當(dāng)前文件夾的信息
        for file in files:  # 掃描所有文件
            if os.path.splitext(file)[1] == ".html":  # 提取出所有后綴名為.html的文件
                os.chdir(root) # os.chdir() 方法用于改變當(dāng)前工作目錄到指定的路徑。
                print("正在轉(zhuǎn)換第:" + str(count) + "個(gè)文件")
                count = count + 1
                print("轉(zhuǎn)換開始：" + "pandoc " + file + " -o " + os.path.splitext(file)[0] + ".docx")
                # 使用os.system調(diào)用pandoc進(jìn)行格式轉(zhuǎn)化
                os.system("pandoc " + file + " -o " + os.path.splitext(file)[0] + ".docx")
                print("轉(zhuǎn)換完成...")
if __name__ == "__main__":
    # os.path.realpath(__file__))是當(dāng)前python文件所在的文件夾路徑，如果想要轉(zhuǎn)換指定文件夾，可以修改此路徑
    transfer_file(os.path.dirname(os.path.realpath(__file__)))

可以實(shí)現(xiàn)批量轉(zhuǎn)化

關(guān)于pypandoc

pandoc有一個(gè)python的包叫pypandoc，引入這個(gè)包直接調(diào)用pandoc.convert_file方法也可以實(shí)現(xiàn)文檔格式轉(zhuǎn)換，但是我沒有試過這種方式需不需要安裝pandoc，后面再摸索下

總結(jié)

pandoc是真的很強(qiáng)大，完美解決了亂碼問題和排版問題，另外原h(huán)tml中的圖片只要是在線圖片也可以轉(zhuǎn)到docx文檔中，以后再研究一下其他打開方式，聽說可以很方便的制作電子書，期待~

到此這篇關(guān)于基于python+pandoc實(shí)現(xiàn)html批量轉(zhuǎn)word的文章就介紹到這了,更多相關(guān)python實(shí)現(xiàn)html批量轉(zhuǎn)word內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: