Python将HTML转换为文本并模仿格式

Question

我正在学习BeautifulSoup，并找到了许多“ html2text”解决方案，但是我正在寻找的解决方案应该模仿格式：

<ul>
<li>One</li>
<li>Two</li>
</ul>

会成为

* One
* Two

和

Some text
<blockquote>
More magnificent text here
</blockquote>
Final text

至

Some text

    More magnificent text here

Final text

我正在阅读文档，但看不到任何直接信息。有什么帮助吗？我愿意使用除beautifulsoup之外的其他方法。

Answer 1

看一下Aaron
Swartz的html2text脚本（可以与一起安装pip install html2text）。注意，输出是有效的Markdown。如果由于某种原因无法完全满足您的需要，则可以通过一些微不足道的调整来获得问题的确切输出：

In [1]: import html2text

In [2]: h1 = """<ul>
   ...: <li>One</li>
   ...: <li>Two</li>
   ...: </ul>"""

In [3]: print html2text.html2text(h1)
  * One
  * Two

In [4]: h2 = """<p>Some text
   ...: <blockquote>
   ...: More magnificent text here
   ...: </blockquote>
   ...: Final text</p>"""

In [5]: print html2text.html2text(h2)
Some text

> More magnificent text here

Final text