Wie ändert man den HTML-Code, der bei der Konvertierung von docx nach HTML von Pandoc ausgegeben wird?

Question

Ich benutze das Pypendoc-Modul von Python. Der Code, den ich für die Umwandlung verwenden ist:

html = pypandoc.convert(
      tmp_loc, 
      'html5', 
      extra_args=['--extract-media='] 
      ) 

Dieser Code setzt die docx in HTML, die in ‚html‘ und zugleich gespeichert wird extrahiert die Bilder von docx und speichert sie in Medienarchiv unter dem Namen image01 .jpg. Das img src in HTML ist:

<img src="/media/image01.jpg" /> 

Nun, was ich will zu tun ist, den Namen des Bildes zu ändern, das heißt image01.jpg zu einem geeigneteren Namen. Ich kann den Namen des Bildes im Lager leicht ändern. Aber wie aktualisiere ich das img src-Tag in der HTML-Ausgabe von pypandoc?

Danke

Answer 1

Ich würde nur jeden Upload in ein eigenes Verzeichnis (uploadX/index.html und uploadX/media/imageY.jpg usw.) setzen.

Oder die Umbenennung zumindest nach der Konvertierung in HTML (viel schöner als mit docx), z. Voranstellen der Dateinamen mit einer eindeutigen ID, wie uploadX_imageY.jpg, und Anpassen der Links mit etwas wie HTMLParser.

Answer 2

ich glaube, das Problem docx tatsächlich verbunden ist. In diesen Dokumenten hat jedes Bild seinen eigenen Namen, auch wenn es versteckt ist. Sie können es in Bildeigenschaften überprüfen - und, automatischer Name ist natürlich! - BildXX! Daher schlage ich vor, die Namen der Bilder im Dokument selbst zu ändern und dann erneut zu konvertieren.

Wenn Sie zu viele Bilder haben und diesen Prozess irgendwie automatisieren möchten, versuchen Sie einige Hex-Editor (Ghex in Linux, ich schlage vor) und "Suchen und Ersetzen" -Funktion. Sie können "Bild" durch "etwas" ersetzen, und Ergebnisdateien wären "somethingXX.jpg"