[Python]HTML转换为TXT的脚本

朋友给我发了一些文章,是HTML格式的。但是我的A1200手机只适合看txt格式的书,所以写了一个脚本,把某个目录下的所有.htm文件转换成txt,并放到txt目录下。

 1 from formatter import AbstractFormatter, NullWriter
2 from htmllib import HTMLParser
3
4 def _(str, in_encoder="gbk", out_encoder="utf8"):
5 return unicode(str, in_encoder).encode(out_encoder)
6
7
8 class myWriter(NullWriter):
9 def __init__(self):
10 NullWriter.__init__(self)
11 self._bodyText = []
12
13 def send_flowing_data(self, str):
14 self._bodyText.append(str)
15
16 def _get_bodyText(self):
17 return '/n'.join(self._bodyText)
18
19 bodyText = property(_get_bodyText, None, None, 'plain text from body')
20
21 class myHTMLParser(HTMLParser):
22 def do_meta(self, attrs):
23 self.metas = attrs
24
25 def convertFile(filename):
26 mywriter = myWriter()
27 absformatter = AbstractFormatter(mywriter)
28 parser = myHTMLParser(absformatter)
29 parser.feed(open(filename).read())
30 return ( _(parser.title), parser.formatter.writer.bodyText )
31
32 import os
33 import os.path
34
35 OUTPUTDIR = "./txt"
36 INPUTDIR = "."
37 if __name__ == "__main__":
38 if not os.path.exists(OUTPUTDIR):
39 os.mkdir(OUTPUTDIR)
40
41 for file in os.listdir(INPUTDIR):
42 if file[-4:] == '.htm':
43 print "Coverting", file,
44 outfilename, text = convertFile(file)
45 outfilename = outfilename + '.txt'
46 outfullname = os.path.join(OUTPUTDIR, outfilename)
47 open(outfullname, "wt").write(text)
48 print "Done!"
49

BTW:以上这段代码是用vim的 :TOhtml 命令转换而成。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值