00284 将 html 转换为 markdown

Python

发布日期: 2025-02-17

更新日期: 2025-02-17

前言

写一个将html转换为markdown的python脚本。

Operating System: Ubuntu 22.04.4 LTS

参考文档

html2text

介绍

以下是一个使用Python将HTML转换为Markdown的脚本，基于成熟的html2text库实现：

#!/usr/bin/env python3
import html2text
import argparse
import sys

def html_to_markdown(html_content, **kwargs):
    """Convert HTML content to Markdown"""
    handler = html2text.HTML2Text()
    
    # 配置转换参数（可选）
    handler.body_width = kwargs.get("body_width", 0)       # 设置换行宽度（0表示不换行）
    handler.ignore_links = kwargs.get("ignore_links", False)
    handler.ignore_images = kwargs.get("ignore_images", False)
    handler.mark_code = kwargs.get("mark_code", True)
    
    return handler.handle(html_content)

def main():
    parser = argparse.ArgumentParser(description="HTML to Markdown Converter")
    parser.add_argument("-i", "--input", help="Input HTML file")
    parser.add_argument("-o", "--output", help="Output Markdown file")
    
    args = parser.parse_args()
    
    try:
        # 读取输入内容
        if args.input:
            with open(args.input, "r", encoding="utf-8") as f:
                html_content = f.read()
        else:
            print("Enter HTML content (Ctrl+D to finish):")
            html_content = sys.stdin.read()
        
        # 执行转换
        markdown_content = html_to_markdown(html_content)
        
        # 输出结果
        if args.output:
            with open(args.output, "w", encoding="utf-8") as f:
                f.write(markdown_content)
            print(f"Successfully converted to {args.output}")
        else:
            print(markdown_content)
            
    except Exception as e:
        print(f"Error: {str(e)}", file=sys.stderr)
        sys.exit(1)

if __name__ == "__main__":
    main()

使用说明

首先安装依赖库：
```
pip install html2text
```

基本使用方法：

# 转换文件
python html2md.py -i input.html -o output.md

# 从标准输入读取
echo "<h1>Hello World</h1>" | python html2md.py

# 交互式输入
python html2md.py
（输入HTML内容后按Ctrl+D）

主要功能特性

支持多种输入方式：
- 文件输入
- 标准输入
- 命令行直接输入

可配置转换选项：

# 示例：配置转换参数
markdown_content = html_to_markdown(
    html_content,
    body_width=80,      # 自动换行
    ignore_links=True,   # 忽略超链接
    mark_code=False      # 不标记代码块
)