python - 如何获取“HTTPS”链接以及如何在 python 中将 epub 转换为 txt？

Question

我想将 epub 转换为 txt。我首先通过 zipfile 将 epub 到 xhtml。然后我尝试通过beautifulsoup 将xhtml 转换为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”。所以beautifulsoup 不起作用。

我该如何解决这个问题？

'''
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)

标签： pythonbeautifulsoupepub

Answer 1

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')