使用Python将HTML文档转换为Markdown文档

前言

我的个人博客是Hexo+Next搭建的，风格我很喜欢，也不打算更换。最近可能电脑不好使了，两次重装系统，每次都要重新搭建博客，搭建速度也很快，但是依然有个困扰我的问题，那就是电脑卡死的时候有些博客没有备份，只有上传到Github生成的html文档。今天发现个有趣的python库，可以将html转换回markdown,试验了一下效果还不错。

代码

下面先上代码：

#Author:Sun Yan
#Function: convert html to md

import html2text as ht  # pip install html2text
import os 
text_maker = ht.HTML2Text()
#text_maker.ignore_links = True
text_maker.bypass_tables = False
path ="C:\\Users\\14050\\Desktop\\code\\1.html"
htmlfile = open(path,'r',encoding='UTF-8')
htmlpage = htmlfile.read()
text = text_maker.handle(htmlpage)
md = text.split('#')  # split post content
open("1.md","w").write(md[1])  # write file as a md file

说明

安装库

在我的电脑上直接pip安装没有成功，我是在pypi上下载之后安装的 html2text

使用

使用也比较简单，注意两个地方即可：

1. 忽略链接和表格

我这里是按照官方文档中写的，实际测试链接可以不忽略，表格没有测试。

2.#的作用

在这里使用#号来分割文章的核心内容，舍弃博客的header和footer。