Python HTML 문자열을 마크다운으로 변환하는 html2text 라이브러리 알아보기

오늘은 Python에서 HTML 문자열을 마크다운 형식의 문자열로 변환해주는 html2text 라이브러리를 알아보려 합니다.

html2text 설치

우선 virtualenv로 파이썬 환경을 분리해줍니다.

pip3 install virtualenv

virtualenv -mvenv env

env라는 이름의 가상 환경을 생성합니다.

source env/bin/activate

가상환경을 폴더에서 활성화합니다.

pip3 install --upgrade pip

pip의 업그레이드가 존재하는지 확인하고 진행합니다.

pip install html2text

pip로 html2text를 설치합니다.

예제

import html2text

html2text를 가져옵니다.

html_2_text = html2text.HTML2Text()

HTML2Text 객체를 만듭니다.

html = """
<!DOCTYPE html>
<html>
<body>

<h1>First Heading</h1>
<h2>Second Heading</h2>
<h3>Third Heading</h3>
<p>Paragraph.</p>
<b>Bold.</b>

Heading과 Paragraph, 그리고 Bold 태그는 아래와 같이 출력됩니다.

# First Heading

## Second Heading

### Third Heading

Paragraph.

**Bold.**

<a href="https://www.google.com">google</a>

링크는 아래와 같이 출력됩니다.

[google](https://www.google.com)

<img src="google.jpg" alt="google.com">

이미지는 아래와 같이 출력됩니다.

![google.com](google.jpg)

<ul>
  <li>java</li>
  <li>python</li>
  <li>go</li>
</ul>

<ol>
  <li>java</li>
  <li>python</li>
  <li>go</li>
</ol>

리스트는 아래와 같이 출력됩니다.

  * java
  * python
  * go

  1. java
  2. python
  3. go

<table>
  <tr>
    <th>id</th>
    <th>name</th> 
    <th>e-mail</th>
  </tr>
  <tr>
    <td>test_id1</td>
    <td>test1</td> 
    <td>test@test.com</td>
  </tr>
  <tr>
    <td>test_id2</td>
    <td>test2</td> 
    <td>another@test.com</td>
  </tr>
</table>

</body>
</html>"""

테이블은 아래와 같이 출력됩니다.

id | name | e-mail  
---|---|---  
test_id1 | test1 | test@test.com  
test_id2 | test2 | another@test.com

result = html_2_text.handle(html)
print(result)

마지막으로 작성한 html를 파싱하여 마크다운 문자열로 변환되게 됩니다.

Written on July 19, 2019