वेब-के लिए तैयार HTML में Word DOCX कंटेंट को बदलने के लिए Python API

Python-Mammoth के साथ शुरूआत

Python-Mammoth PyPI पर होस्टेड है, इसलिए इसे इंस्टॉल करना बहुत आसान है। इसे निम्न कमांड का उपयोग करके pip से इंस्टॉल किया जा सकता है।

 pip install mammoth 

Python के माध्यम से Word DOCX को HTML में बदलना

ओपन-सोर्स Python-Mammoth लाइब्रेरी सॉफ़्टवेयर डेवलपर्स को पाइथन एप्लिकेशन के भीतर Microsoft Word DOCX फ़ाइल को लोड करने और उसे HTML में बदलने में आसानी प्रदान करती है। लाइब्रेरी की प्रमुख विशेषताओं में से एक है साफ़, सैमांटिक HTML आउटपुट उत्पन्न करने की क्षमता। यह अनावश्यक इनलाइन स्टाइल या स्वामित्व टैग को एम्बेड करने से बचती है, जिससे अंतिम HTML हल्का और CSS के साथ स्टाइल करने में आसान रहता है। नीचे दिया गया उदाहरण दिखाता है कि DOCX कंटेंट को HTML में कैसे बदला जाता है, जो प्रदर्शित या आगे स्टाइल करने के लिए तैयार है।

 import mammoth

with open("document.docx", "rb") as docx_file:
    result = mammoth.convert_to_html(docx_file)
    html = result.value # The generated HTML
    messages = result.messages # Any messages, such as warnings during conversion

कस्टम स्टाइल मैपिंग समर्थन

Python-Mammoth लाइब्रेरी कई अनुकूलन विकल्प प्रदान करती है, जिससे सॉफ़्टवेयर डेवलपर्स टेक्स्ट एक्सट्रैक्शन प्रक्रिया को अपनी विशिष्ट जरूरतों के अनुसार फाइन-ट्यून कर सकते हैं। डेवलपर्स कस्टम स्टाइल मैपिंग परिभाषित कर सकते हैं ताकि DOCX स्टाइल को विशिष्ट HTML एलिमेंट में कैसे बदला जाए, उस पर नियंत्रण रखा जा सके। यह दस्तावेज़ सामग्री के रेंडरिंग में अधिक लचीलापन प्रदान करता है। नीचे एक उदाहरण है जो दिखाता है कि DOCX में Heading 1 स्टाइल को Python एप्लिकेशन में HTML h1 टैग से स्पष्ट रूप से कैसे मैप किया जाता है।

style_map = "p[style-name='Heading 1'] => h1:fresh"
with open("document.docx", "rb") as docx_file:
    result = mammoth.convert_to_html(docx_file, style_map=style_map)
    html = result.value
print(html)

 

Python के माध्यम से DOCX छवियों को HTML में बदलना

ओपन-सोर्स Python-Mammoth लाइब्रेरी सॉफ़्टवेयर डेवलपर्स को Microsoft Word DOCX फ़ाइलों से चित्र निकालने और उन्हें उत्पन्न HTML में शामिल करने में आसानी प्रदान करती है। डिफ़ॉल्ट रूप से, चित्र संदर्भ URL के रूप में शामिल होते हैं, लेकिन डेवलपर्स इस बात को कस्टमाइज़ कर सकते हैं कि चित्र कैसे संभाले जाएँ। नीचे एक उदाहरण है जो दिखाता है कि Python कमांड्स का उपयोग करके DOCX फ़ाइल के चित्रों को HTML आउटपुट में कैसे संरक्षित किया जाता है।

with open("document.docx", "rb") as docx_file:
    result = mammoth.convert_to_html(docx_file, convert_image=mammoth.images.img_element())
    html = result.value

print(html)

 

लेआउट विश्लेषण

ओपन-सोर्स Python-Mammoth लाइब्रेरी Word DOCX दस्तावेज़ की लेआउट का विश्लेषण कर सकती है, जिसमें टेबल, चित्र और टेक्स्ट ब्लॉक्स जैसे तत्वों की पहचान होती है। यह फीचर उन एप्लिकेशनों के लिए महत्वपूर्ण है जिन्हें लेआउट जानकारी का सटीक एक्सट्रैक्शन चाहिए।