用python撸一个文档转markdown的爱惜具（代码已分享）

最近有个神色上用到了文档转为markdown的需求，因为之前皆是用别东谈主的制品器具，今天我用python写了一个文档（word、pdf）转markdown的器具，分享一起代码，有需要的一又友不错径直拿去用，代码拿去不需要任何修改就能使用，要是你认为功能单一，你也不错不竭优化，代码已放在github上。

【文末有疏导群】

插曲：本期短剧分享主邀功能援助转机文档类型： PDF、word转为markdown援助上传文献的格式： 单文献上传（单文献转机）、多文献上传（批量转机）、上传文献夹（批量转机）下载转机后markdown文献：援助单文献下载、批量下载

图片

上传界面

图片

转机后下载齐全代码私信“转markdown神色代码”github神色地址https://github.com/zlpu/files_convert_markdown在线体验https://3mw.cn/31kcd神色结构本神色使用Flask框架进行开辟python版块：3.9

file_convert_markdown/│├── app.py├── requirements.txt├── templates/│   ├── index.html├── static/│   └── uploads/├── utils/    ├── __init__.py    ├── convert_pdf_to_md.py    └── convert_word_to_md.py

部署运转格式1.土产货python运转

下载代码后，径直运转python app.py即可

格式2.docker运转神色代码中我已提供Dcokerfile文献，不错径直构建镜像该神色我已打包docker镜像，镜像不错从公有仓库拉取，使用格式如下：

docker run -itd --name=file_convert_md01 -p 5000:5000 --restart=always registry.cn-hangzhou.aliyuncs.com/pzl_images/files_convert_markdown:v20240604

代码本色1. requirements.txt

创建一个requirements.txt文献来列出所需的Python库：

flaskpython-docxpdfminer.six

2. app.py

主利用文献app.py：

"""作家：微信公众号-IT软件保举员邮箱：pzl960504@outlook.com神色名：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__)# 诞生文献上传和Markdown文献的保存目次app.config['UPLOAD_FOLDER'] = 'static/uploads/'app.config['MARKDOWN_FOLDER'] = 'static/markdowns/'app.config['ALLOWED_EXTENSIONS'] = {'pdf', 'docx'}app.secret_key = 'supersecretkey'# 要是上传文献的目次不存在，则创建它if not os.path.exists(app.config['UPLOAD_FOLDER']):    os.makedirs(app.config['UPLOAD_FOLDER'])# 要是Markdown文献的目次不存在，则创建它if not os.path.exists(app.config['MARKDOWN_FOLDER']):    os.makedirs(app.config['MARKDOWN_FOLDER'])# 搜检文献膨大名是否被允许def allowed_file(filename):    return '.' in filename and filename.rsplit('.', 1)[1].lower() in app.config['ALLOWED_EXTENSIONS']# 清算文献名，去除无效字符并交替化文献名def sanitize_filename(filename):    # 删除无效字符并交替化文献名    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[]')  # 取得上传的文献列表        folder_files = request.files.getlist('folder[]')  # 取得上传的文献夹内文献列表        all_files = files + folder_files  # 肃清悉数文献        markdown_files = []  # 用于存储生成的Markdown文献列表        for file in all_files:            if file and allowed_file(file.filename):  # 要是文献存在且是允许的类型                filename = file.filename                sanitized_filename = sanitize_filename(filename)  # 清算文献名                filepath = os.path.join(app.config['UPLOAD_FOLDER'], sanitized_filename)  # 生成文献保存的旅途                # 创建必要的目次结构                os.makedirs(os.path.dirname(filepath), exist_ok=True)                file.save(filepath)  # 保存文献                try:                    # 把柄文献类型编削为Markdown边幅                    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文献名                    md_filepath = os.path.join(app.config['MARKDOWN_FOLDER'], md_filename)  # 生成Markdown文献保存旅途                    with open(md_filepath, 'w', encoding='utf-8') as md_file:                        md_file.write(md_content)  # 写入Markdown本色                    markdown_files.append(md_filename)  # 添加到Markdown文献列表                except PackageNotFoundError:                    flash(f'文献 {file.filename} 不是有用的DOCX文献')                except Exception as e:                    flash(f'科罚文献 {file.filename} 时发生造作: {str(e)}')        return render_template('index.html', markdown_files=markdown_files)  # 渲染模板并传递Markdown文献列表    return render_template('index.html')@app.route('/download/<filename>')def download_file(filename):    # 从目次中发送文献，算作附件下载    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')  # 取得表单中采选的文献名列表    if not filenames:        flash('莫得礼聘文献进行下载')        return redirect(url_for('index'))    # 创建一个字节流对象，用于保存 ZIP 文献    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)  # 将文献写入 ZIP 文献    zip_stream.seek(0)    # 复返 ZIP 文献算作反映    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

创建一个好意思不雅的HTML文献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">    <!-- 使用相对旅途添加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>        <!-- 添加讲解笔墨 -->        <p class="text-center">援助将PDF和Word文档编削为Markdown边幅。</p>        <form action="{{ url_for('index') }}" method="post" enctype="multipart/form-data">            <div class="form-group">                <label for="file">礼聘文献</label>                <input type="file" class="form-control-file" id="file" name="files[]" multiple>            </div>            <div class="form-group">                <label for="folder">礼聘文献夹</label>                <input type="file" class="form-control-file" id="folder" name="folder[]" multiple webkitdirectory directory>            </div>            <button type="submit" class="btn btn-primary">上传并编削</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">编削后的文献</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的器具函数：

from pdfminer.high_level import extract_textdef convert_pdf_to_md(filepath):    text = extract_text(filepath)    # 偶然的文本转 Markdown，不错把柄需要进行更复杂的编削    md_text = text.replace('\n', '  \n')    return md_text

5. utils/convert_word_to_md.py

编写Word转Markdown的器具函数：

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_text

6. 运转神色

装置所需的Python库：

pip install -r requirements.txt

运转Flask利用：

python app.py

探望http://127.0.0.1:5000/，就不错在浏览器上使用这个文献转markdown边幅的器具

要是不思使用传统的运转格式，不错使用docker来创建管事，提供docker镜像封装主义，封装成镜像后，浅易使用

docker镜像封装

# 使用官方Python基础镜像FROM python:3.9# 诞生责任目次WORKDIR /app# 将requirements.txt复制到责任目次COPY requirements.txt .# 装置Python依赖RUN pip install --no-cache-dir -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple# 复制面前目次下悉数文献到责任目次COPY . .# 娇傲利用端口（假定你的利用在5000端口运转）EXPOSE 5000# 诞生环境变量（要是有需要）#ENV APP_ENV=production# 运转利用门径CMD ["python", "app.py"]

镜像构建

docker build -t 镜像称呼:v1 .

创建容器（跑管事）

docker run -it --name=file_to_md -p 5000:5000 镜像称呼:v1

探望http://127.0.0.1:5000/，就不错在浏览器上使用这个文献转markdown边幅的器具

请勿浪掷

迎接环球暄和、点赞、保藏、点亮在看 本站仅提供存储管事，悉数本色均由用户发布，如发现存害或侵权本色，请点击举报。