如何修改从docx转换为HTML时由pandoc输出的HTML？

我正在使用python的Pypandoc模块。我使用的转换代码是：如何修改从docx转换为HTML时由pandoc输出的HTML？

html = pypandoc.convert(
      tmp_loc, 
      'html5', 
      extra_args=['--extract-media='] 
      )

此代码的docx转换成存储在“HTML”，并在同一时间的HTML由名字image01提取从DOCX图像并存储到媒体库.JPG。在HTML中的IMG SRC是：

<img src="/media/image01.jpg" />

现在我想要做的是改变形象的名字，那就是image01.jpg到更方便的名字。我可以轻松更改存储库中图像的名称。但是，如何更新pypandoc输出的HTML中的img src标签？

谢谢

来源

2016-05-15 Arunabh Ghosh

我只是把每个上传到自己的目录（uploadX/index.html和uploadX/media/imageY.jpg等）。

或者至少在转换为HTML之后进行重命名（比docx更适合工作），例如，在文件名前加一个唯一的ID，如uploadX_imageY.jpg，然后使用类似HTMLParser的东西来调整链接。

来源

2016-05-21 09:51:13 mb21

谢谢。我用美丽的汤来修改HTML。有效。 –

@ ArunabhGhosh太棒了！然后随时接受并upvote答案:) – mb21

我认为问题实际上是连接到docx。在这些文档中，每个图像都有自己的名称，即使它是隐藏的。你可以用图像处理来检查它 - 当然，自动命名是！ - imageXX！所以，我建议改变文档本身的图像名称，然后再次转换。

如果你有太多的图像，你想以某种方式自动执行此过程，请尝试一些十六进制编辑器（我建议在Linux中使用ghex）以及“搜索和替换”功能。你可以用“东西”替换“图像”，结果文件将是“somethingXX.jpg”

来源

2016-05-15 18:32:27

我可以在python中做上述事情吗？情况是我要求用户上传docx文件。我收到docx文件，然后将其转换为python。那么是否有一个编辑器拥有一个可以搜索图像并更改其名称的Python模块？ –

当然这是可能的，但我不确定它是否真的是你的情况中的一个功能。你想要达到什么？假设用户在他的docx中正确地命名了他的照片 - 然后他得到了好名称的文件。在其他情况下 - 他获得imageXX的东西。这听起来对我来说完全没问题。无论如何：尝试https://github.com/mikemaccana/python-docx –

当用户上传另一个文件时，它也具有与image01.jpg同名的图像。所以这些图像取代了以前的图像。所以我想给所有的图像一个独特的名字，以便它不能被替换。感谢您的上述链接！ –

如何修改从docx转换为HTML时由pandoc输出的HTML？

回答

相关问题