一个基于python爬取百度文档js源码信息解析的html转换word的工具
开发者:aJay13 版本:V.1.1
软件介绍: 此软件通过分析百度的文档接口数据,将数据对应到同目录下的word文档中, 相对于图片识别转换,所有的字段不会丢失,文字的大小、位置、图片等都完全 依照百度开放接口内容返回。
- 原百度文档
- 转换后word文档
将软件和default.docx文件放到与 要转换的html文件夹同一目录,软件便能找到此文件下的所有要转换的html文件 软件使用需要联网,请先确保电脑网络畅通。
- 文档目录与软件、default.docx文件放到与未放到同一个文件夹
- 电脑无法连接网络
- 请先确保原html文档能够在浏览器中打开,并且加载速度不慢
- 百度文库的在线接口改变、请关注下一个版本
注意!!!:请在转换之前先将文档进行备份,避免产生不必要的麻烦。
- 修改因文件夹自身命名不规范导致的程序闪退
- 修改因网站自身失去资源而导致程序崩溃的bug
- 增加兼容win7x86
- 修复window下:
UnicodeEncodeError: 'gbk' codec can't encode character '\u2022' in position
content.encode("gbk", 'ignore').decode("gbk", "ignore")
如有其它改进方式请issues
致谢:Zd提出的想法