你的位置：亿德体育官网最新版 > 亿德体育官网最新版介绍 >
用python撸一个文档转markdown的小工具（代码已共享）
发布日期：2024-11-04 16:14 点击次数：166
最近有个项目上用到了文档转为markdown的需求，因为之前都是用别人的成品工具，今天我用python写了一个文档（word、pdf）转markdown的工具，分享全部代码，有需要的朋友可以直接拿去用，代码拿去不需要任何修改就能使用，如果你觉得功能单一，你也可以继续优化，代码已放在github上。
【文末有交流群】
插曲：本期短剧分享主要功能支持转化文档类型： PDF、word转为markdown支持上传文件的方式： 单文件上传（单文件转化）、多文件上传（批量转化）、上传文件夹（批量转化）下载转化后markdown文件：支持单文件下载、批量下载图片
上传界面图片
转化后下载完整代码私信“转markdown项目代码”github项目地址https://github.com/zlpu/files_convert_markdown在线体验https://3mw.cn/31kcd项目结构本项目使用Flask框架进行开发python版本：3.9file_convert_markdown/│├── app.py├── requirements.txt├── templates/│ ├── index.html├── static/│ └── uploads/├── utils/ ├── __init__.py ├── convert_pdf_to_md.py └── convert_word_to_md.py部署运行方式1.本地python运行
下载代码后，直接运行python app.py即可
方式2.docker运行项目代码中我已提供Dcokerfile文件，可以直接构建镜像该项目我已打包docker镜像，镜像可以从公有仓库拉取，使用方式如下：docker run -itd --name=file_convert_md01 -p 5000:5000 --restart=always registry.cn-hangzhou.aliyuncs.com/pzl_images/files_convert_markdown:v20240604代码内容1. requirements.txt
创建一个requirements.txt文件来列出所需的Python库：
flaskpython-docxpdfminer.six2. app.py
主应用文件app.py：
"""作者：微信公众号-IT软件推荐员邮箱：pzl960504@outlook.com项目名：文档转markdown"""from flask import Flask, render_template, request, redirect, url_for, flash, send_from_directory, send_fileimport osimport reimport zipfilefrom werkzeug.utils import secure_filenamefrom utils.convert_pdf_to_md import convert_pdf_to_mdfrom utils.convert_word_to_md import convert_word_to_mdfrom io import BytesIOfrom docx.opc.exceptions import PackageNotFoundError # 导入 PackageNotFoundErrorapp = Flask(__name__)# 设置文件上传和Markdown文件的保存目录app.config['UPLOAD_FOLDER'] = 'static/uploads/'app.config['MARKDOWN_FOLDER'] = 'static/markdowns/'app.config['ALLOWED_EXTENSIONS'] = {'pdf', 'docx'}app.secret_key = 'supersecretkey'# 如果上传文件的目录不存在，则创建它if not os.path.exists(app.config['UPLOAD_FOLDER']): os.makedirs(app.config['UPLOAD_FOLDER'])# 如果Markdown文件的目录不存在，则创建它if not os.path.exists(app.config['MARKDOWN_FOLDER']): os.makedirs(app.config['MARKDOWN_FOLDER'])# 检查文件扩展名是否被允许def allowed_file(filename): return '.' in filename and filename.rsplit('.', 1)[1].lower() in app.config['ALLOWED_EXTENSIONS']# 清理文件名，去除无效字符并规范化文件名def sanitize_filename(filename): # 删除无效字符并规范化文件名 filename = re.sub(r'[^a-zA-Z0-9_一-龥.]+', '_', filename) return filename@app.route('/', methods=['GET', 'POST'])def index(): if request.method == 'POST': files = request.files.getlist('files[]') # 获取上传的文件列表 folder_files = request.files.getlist('folder[]') # 获取上传的文件夹内文件列表 all_files = files + folder_files # 合并所有文件 markdown_files = [] # 用于存储生成的Markdown文件列表 for file in all_files: if file and allowed_file(file.filename): # 如果文件存在且是允许的类型 filename = file.filename sanitized_filename = sanitize_filename(filename) # 清理文件名 filepath = os.path.join(app.config['UPLOAD_FOLDER'], sanitized_filename) # 生成文件保存的路径 # 创建必要的目录结构 os.makedirs(os.path.dirname(filepath), exist_ok=True) file.save(filepath) # 保存文件 try: # 根据文件类型转换为Markdown格式 if filename.rsplit('.', 1)[1].lower() == 'pdf': md_content = convert_pdf_to_md(filepath) elif filename.rsplit('.', 1)[1].lower() == 'docx': md_content = convert_word_to_md(filepath) md_filename = sanitized_filename.rsplit('.', 1)[0] + '.md' # 生成Markdown文件名 md_filepath = os.path.join(app.config['MARKDOWN_FOLDER'], md_filename) # 生成Markdown文件保存路径 with open(md_filepath, 'w', encoding='utf-8') as md_file: md_file.write(md_content) # 写入Markdown内容 markdown_files.append(md_filename) # 添加到Markdown文件列表 except PackageNotFoundError: flash(f'文件 {file.filename} 不是有效的DOCX文件') except Exception as e: flash(f'处理文件 {file.filename} 时发生错误: {str(e)}') return render_template('index.html', markdown_files=markdown_files) # 渲染模板并传递Markdown文件列表 return render_template('index.html')@app.route('/download/<filename>')def download_file(filename): # 从目录中发送文件，作为附件下载 return send_from_directory(app.config['MARKDOWN_FOLDER'], filename, as_attachment=True)@app.route('/download_all', methods=['POST'])def download_all(): filenames = request.form.getlist('filenames') # 获取表单中选定的文件名列表 if not filenames: flash('没有选择文件进行下载') return redirect(url_for('index')) # 创建一个字节流对象，用于保存 ZIP 文件 zip_stream = BytesIO() with zipfile.ZipFile(zip_stream, 'w', zipfile.ZIP_DEFLATED) as zipf: for filename in filenames: filepath = os.path.join(app.config['MARKDOWN_FOLDER'], filename) zipf.write(filepath, arcname=filename) # 将文件写入 ZIP 文件 zip_stream.seek(0) # 返回 ZIP 文件作为响应 return send_file(zip_stream, mimetype='application/zip', as_attachment=True, download_name='markdown_files.zip')if __name__ == '__main__': app.run(debug=True, host='0.0.0.0')3. templates/index.html创建一个美观的HTML文件templates/index.html来展示简历信息：
<!DOCTYPE html><html lang="zh-CN"><head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <title>文档转Markdown</title> <link rel="stylesheet" href="https://stackpath.bootstrapcdn.com/bootstrap/4.5.2/css/bootstrap.min.css"> <!-- 使用相对路径添加Favicon --> <link rel="icon" href="https://www.runoob.com/wp-content/uploads/2019/03/iconfinder_markdown_298823.png" type="image/x-icon"> <link rel="shortcut icon" href=" https://www.runoob.com/wp-content/uploads/2019/03/iconfinder_markdown_298823.png" type="image/x-icon"></head><body> <div class="container mt-5"> <h1 class="text-center">文档转Markdown</h1> <!-- 添加图片 --> <div class="text-center"> <img src="https://picture.gptkong.com/20240604/22485b1e3ed546421e904c0634bac1f331.png" style="width: 30%;" alt="Logo"> </div> <!-- 添加说明文字 --> <p class="text-center">支持将PDF和Word文档转换为Markdown格式。</p> <form action="{{ url_for('index') }}" method="post" enctype="multipart/form-data"> <div class="form-group"> <label for="file">选择文件</label> <input type="file" class="form-control-file" id="file" name="files[]" multiple> </div> <div class="form-group"> <label for="folder">选择文件夹</label> <input type="file" class="form-control-file" id="folder" name="folder[]" multiple webkitdirectory directory> </div> <button type="submit" class="btn btn-primary">上传并转换</button> </form> {% with messages = get_flashed_messages() %} {% if messages %} <div class="alert alert-info mt-3"> {% for message in messages %} <p>{{ message }}</p> {% endfor %} </div> {% endif %} {% endwith %} {% if markdown_files %} <h3 class="mt-5">转换后的文件</h3> <form action="{{ url_for('download_all') }}" method="post"> <ul class="list-group"> {% for filename in markdown_files %} <li class="list-group-item"> <input type="checkbox" name="filenames" value="{{ filename }}"> {{ filename }} <a href="{{ url_for('download_file', filename=filename) }}" class="btn btn-success btn-sm float-right">下载</a> </li> {% endfor %} </ul> <button type="submit" class="btn btn-primary mt-3">批量下载</button> </form> {% endif %} </div></body></html>4. utils/convert_pdf_to_md.py编写PDF转Markdown的工具函数：
from pdfminer.high_level import extract_textdef convert_pdf_to_md(filepath): text = extract_text(filepath) # 简单的文本转 Markdown，可以根据需要进行更复杂的转换 md_text = text.replace('\n', ' \n') return md_text5. utils/convert_word_to_md.py编写Word转Markdown的工具函数：
from docx import Documentdef convert_word_to_md(filepath): doc = Document(filepath) md_text = "" for para in doc.paragraphs: md_text += para.text + ' \n' return md_text6. 运行项目
安装所需的Python库：
pip install -r requirements.txt
运行Flask应用：
python app.py
访问http://127.0.0.1:5000/，就可以在浏览器上使用这个文件转markdown格式的工具
如果不想使用传统的运行方式，可以使用docker来创建服务，提供docker镜像封装办法，封装成镜像后，方便使用
docker镜像封装# 使用官方Python基础镜像FROM python:3.9# 设置工作目录WORKDIR /app# 将requirements.txt复制到工作目录COPY requirements.txt .# 安装Python依赖RUN pip install --no-cache-dir -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple# 复制当前目录下所有文件到工作目录COPY . .# 暴露应用端口（假设你的应用在5000端口运行）EXPOSE 5000# 设置环境变量（如果有需要）#ENV APP_ENV=production# 运行应用程序CMD ["python", "app.py"]镜像构建
docker build -t 镜像名称:v1 .创建容器（跑服务）
docker run -it --name=file_to_md -p 5000:5000 镜像名称:v1
访问http://127.0.0.1:5000/，就可以在浏览器上使用这个文件转markdown格式的工具
请勿滥用
欢迎大家关注、点赞、收藏、点亮在看 本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。上一篇：正版免费xshell7、公测版Xshell8 下一篇：没有了