仁科百华qvod 用python撸一个文档转markdown的鄙吝具（代码已分享）
发布日期：2025-03-18 03:40 点击次数：113
最近有个名目上用到了文档转为markdown的需求仁科百华qvod，因为之前齐是用别东说念主的制品器具，今天我用python写了一个文档（word、pdf）转markdown的器具，分享系数代码，有需要的一又友不错凯旋拿去用，代码拿去不需要任何修改就能使用，若是你以为功能单一，你也不错络续优化，代码已放在github上。
【文末有换取群】
老婆偷情插曲：本期短剧分享主邀功能复旧周折文档类型： PDF、word转为markdown复旧上传文献的边幅： 单文献上传（单文献周折）、多文献上传（批量周折）、上传文献夹（批量周折）下载周折后markdown文献：复旧单文献下载、批量下载图片
上传界面图片
周折后下载完好代码私信“转markdown名目代码”github名目地址https://github.com/zlpu/files_convert_markdown在线体验https://3mw.cn/31kcd名目结构本名目使用Flask框架进行征战python版块：3.9file_convert_markdown/│├── app.py├── requirements.txt├── templates/│ ├── index.html├── static/│ └── uploads/├── utils/ ├── __init__.py ├── convert_pdf_to_md.py └── convert_word_to_md.py部署驱动边幅1.腹地python驱动
下载代码后，凯旋驱动python app.py即可
边幅2.docker驱动名目代码中我已提供Dcokerfile文献，不错凯旋构建镜像该名目我已打包docker镜像，镜像不错从公有仓库拉取，使用边幅如下：docker run -itd --name=file_convert_md01 -p 5000:5000 --restart=always registry.cn-hangzhou.aliyuncs.com/pzl_images/files_convert_markdown:v20240604代码实质1. requirements.txt
创建一个requirements.txt文献来列出所需的Python库：仁科百华qvod
flaskpython-docxpdfminer.six2. app.py
主诓骗文献app.py：
"""作家：微信公众号-IT软件保举员邮箱：pzl960504@outlook.com名目名：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__)# 缔造文献上传和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'# 若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'])# 若是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'])# 查验文献膨胀名是否被允许def allowed_file(filename): return '.' in filename and filename.rsplit('.'， 1)[1].lower() in app.config['ALLOWED_EXTENSIONS']# 计帐文献名，去除无效字符并要领化文献名def sanitize_filename(filename): # 删除无效字符并要领化文献名 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 # 销亡扫数文献 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): # 若是文献存在且是允许的类型 filename = file.filename sanitized_filename = sanitize_filename(filename) # 计帐文献名 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: # 把柄文献类型调遣为Markdown花样 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实质 markdown_files.append(md_filename) # 添加到Markdown文献列表 except PackageNotFoundError: flash(f'文献 {file.filename} 不是灵验的DOCX文献') except Exception as e: flash(f'处治文献 {file.filename} 时发生失实: {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，手脚附件下载 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') # 取得表单中选用的文献名列表 if not filenames: flash('莫得遴荐文献进行下载') 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 文献手脚反应 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> <!-- 添加诠释翰墨 --> <p class="text-center">复旧将PDF和Word文档调遣为Markdown花样。</p> <form action="{{ url_for('index') }}" method="post" enctype="multipart/form-data"> <div class="form-group"> <label for="file">遴荐文献</label> <input type="file" class="form-control-file" id="file" name="files[]" multiple> </div> <div class="form-group"> <label for="folder">遴荐文献夹</label> <input type="file" class="form-control-file" id="folder" name="folder[]" multiple webkitdirectory directory> </div> <button type="submit" class="btn btn-primary">上传并调遣</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">调遣后的文献</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) # 或者的文本转 Markdown，不错把柄需要进行更复杂的调遣 md_text = text.replace('\n'， ' \n') return md_text5. 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_text6. 驱动名目
安设所需的Python库：
pip install -r requirements.txt
驱动Flask诓骗：
python app.py
拜谒http://127.0.0.1:5000/，就不错在浏览器上使用这个文献转markdown花样的器具
若是不思使用传统的驱动边幅，不错使用docker来创建行状，提供docker镜像封装成见，封装成镜像后，或者使用
docker镜像封装# 使用官方Python基础镜像FROM python:3.9# 缔造职责目次WORKDIR /app# 将requirements.txt复制到职责目次COPY requirements.txt .# 安设Python依赖RUN pip install --no-cache-dir -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple# 复制现时目次下扫数文献到职责目次COPY . .# 披露诓骗端口（假定你的诓骗在5000端口驱动）EXPOSE 5000# 缔造环境变量（若是有需要）#ENV APP_ENV=production# 驱动诓骗设施CMD ["python"， "app.py"]镜像构建
docker build -t 镜像称呼:v1 .创建容器（跑行状）
docker run -it --name=file_to_md -p 5000:5000 镜像称呼:v1
拜谒http://127.0.0.1:5000/，就不错在浏览器上使用这个文献转markdown花样的器具
请勿铺张仁科百华qvod
迎接公共轻柔、点赞、储藏、点亮在看 本站仅提供存储行状，扫数实质均由用户发布，如发现存害或侵权实质，请点击举报。