1. Produk
  2.   Pemprosesan perkataan
  3.   Python
  4.   Python-Mammoth
 
  

API Python untuk Menukar Kandungan DOCX Word menjadi HTML Siap Web

Perpustakaan Python Sumber Terbuka yang membolehkan Pembangun Perisian Membaca dan Menukar Kandungan DOCX Microsoft Word menjadi HTML Siap Web dalam Aplikasi Python.

Apakah Python-Mammoth?

Penukaran dokumen telah menjadi keperluan kritikal bagi pemaju perisian yang mencipta aplikasi yang berinteraksi dengan teks dalam persekitaran digital masa kini. Peralihan lancar antara format fail boleh menjamin keserasian dan menjimatkan masa ketika bekerja pada platform e-pembelajaran, alat automasi dokumen, atau sistem pengurusan kandungan (CMS). Salah satu perpustakaan berkuasa dalam bidang ini ialah Python-Mammoth, perpustakaan Python sumber terbuka yang direka khusus untuk menukar dokumen Microsoft Word (DOCX) menjadi HTML bersih dan semantik. Ia menyokong output HTML semantik, mengekstrak imej daripada fail DOCX, pemetaan gaya tersuai, amaran berguna tentang elemen yang tidak disokong atau isu pemformatan berpotensi, integrasi mudah dengan aplikasi berasaskan Python dan banyak lagi.

Dibangunkan oleh Michael Williamson, Python-Mammoth ialah perpustakaan Python sumber terbuka yang memfokuskan pada pengekstrakan kandungan penting daripada dokumen DOCX dan menukarnya menjadi HTML berstruktur baik. Matlamat utamanya ialah menghasilkan output HTML bersih dan semantik tanpa gaya dalam baris yang tidak perlu atau markup bersepah. Berbeza dengan banyak alat penukaran dokumen lain, ia mengutamakan kesederhanaan dan ketepatan, mengekalkan semantik dokumen seperti tajuk, perenggan, dan senarai daripada memberi tumpuan kepada representasi pixel-perfu. Perpustakaan ini menyokong penjanaan laporan HTML bersih dan konsisten daripada templat Word. Fokusnya pada kesederhanaan, output bersih, dan kebolehkembangan menjadikannya pilihan unggul untuk pemaju yang mencari penyelesaian penukaran dokumen.

Previous Next

Mula Menggunakan Python-Mammoth

Python-Mammoth dihoskan di PyPI, jadi sangat mudah untuk dipasang. Ia boleh dipasang dengan pip menggunakan arahan berikut.

Pasang Python-Mammoth melalui arahan pip

 pip install mammoth

Penukaran DOCX Word ke HTML melalui Python

Perpustakaan sumber terbuka Python-Mammoth memudahkan pemaju perisian memuatkan dan menukar fail Microsoft Word DOCX menjadi HTML dalam aplikasi Python. Salah satu ciri menonjol perpustakaan ialah keupayaannya menghasilkan output HTML bersih, semantik. Ia mengelakkan penyisipan gaya dalam baris yang tidak perlu atau tag proprietari, memastikan HTML akhir tetap ringan dan mudah diatur dengan CSS. Contoh berikut menunjukkan bagaimana kandungan DOCX ditukar menjadi HTML, sedia dipaparkan atau diformat lebih lanjut.

Bagaimana Menukar Kandungan DOCX menjadi HTML melalui API Python?

 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

Sokongan Pemetaan Gaya Tersuai

Perpustakaan Python-Mammoth menyediakan pelbagai pilihan penyesuaian, membolehkan pemaju perisian menala proses pengekstrakan teks mengikut keperluan khusus mereka. Pemaju boleh mentakrifkan pemetaan gaya tersuai untuk mengawal bagaimana gaya DOCX ditukar menjadi elemen HTML tertentu. Ini memberikan fleksibiliti yang lebih besar dalam memaparkan kandungan dokumen. Berikut ialah contoh yang menunjukkan bagaimana gaya Heading 1 dalam DOCX secara eksplisit dipetakan kepada tag HTML h1 dalam aplikasi Python.

Bagaimana MEMETAKAN Gaya Heading 1 dalam DOCX kepada Tag HTML H1 dalam Aplikasi Python?

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)

Menukar Imej DOCX ke HTML melalui Python

Perpustakaan sumber terbuka Python-Mammoth memudahkan pemaju perisian mengekstrak imej daripada fail Microsoft Word DOCX dan menyertakannya dalam HTML yang dihasilkan. Secara lalai, rujukan imej dimasukkan sebagai URL, namun pemaju boleh menyesuaikan cara imej diuruskan. Berikut ialah contoh yang menunjukkan bagaimana imej daripada fail DOCX dipelihara dalam output HTML menggunakan arahan Python.

Bagaimana Menukar Imej daripada Fail DOCX kepada Output HTML melalui API Python?

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)

Analisis Susun Atur

Perpustakaan sumber terbuka Python-Mammoth dapat menganalisis susun atur dokumen Word DOCX, mengenal pasti elemen seperti jadual, imej, dan blok teks. Ciri ini penting bagi aplikasi yang memerlukan pengekstrakan maklumat susun atur yang tepat.

 Melayu