如何在python中获取HTTPS链接以及如何将epub转换为txt？
如何在python中获取HTTPS链接以及如何将epub转换为txt？
提问于 2020-02-29 22:26:30
我想把epub转换成txt。我首先通过zipfile将epub转换为xhtml。然后我试着把xhtml转换成epub。
但是，由于本地文件名存在问题。例如，我的xhtml文件名是"C:\Users\abc.xhtml"，而不是"HTTPS“。好美的汤不起作用。
我该如何解决这个问题呢？
'''
import zipfile
zf = zipfile.ZipFile('C:\\Users\\abc.epub')
zf.extractall('C:\\Users\\Desktop\\folder')
'''
import re, requests
from bs4 import BeautifulSoup
html = "C:\\Users\\abc.xhtml"
soup = BeautifulSoup(html, 'lxml')
print(soup.text)回答 2
Stack Overflow用户
回答已采纳
发布于 2020-02-29 22:52:04
提取时不需要使用BeautifulSoup。
您可以使用可从PyPi安装的epub-conversion包将.epub文件转换为文本：
pip install epub-conversion现在，从epub存档中提取文本是一项简单的任务：
逐行：
from epub_conversion.utils import open_book, convert_epub_to_lines
book = open_book("some_file.epub")
lines = convert_epub_to_lines(book)现在，正如您的问题中所述，您可以将其作为一个整体打印，也可以选择处理每一行：
print(lines)
# or traverse each line
for line in lines:
print(line) # Or do something completely different Stack Overflow用户
发布于 2020-02-29 22:42:24
BeautifulSoup构造函数需要html文件的实际内容，而不是url。试试这个：
with open(html) as f:
contents = f.read()
soup = BeautifulSoupd(contents, 'lxml')页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/60466129
复制相关文章
相似问题
腾讯云开发者
