整合營銷服務商
電腦端+手機端+微信端=數據同步管理
免費咨詢熱線：
電腦端+手機端+微信端=數據同步管理
免費咨詢熱線：
MHT Viewer for Mac一款方便的MHT MHTML,MIME HTML文檔查看器。mht viewer mac可解析和訪問MHT格式文件,并且能夠以最快速度批量打開MHT文件。測試環境：MacOS 11.3.1
mht viewer mac下載完成后，雙擊安裝，根據安裝器提示進行安裝即可。
免費的MHT查看器可以打開和查看無限的MHT文件,而不會出現錯誤。
MHT文件查看器可以打開和預覽MHT文件。
免費的MHT閱讀器可以處理IE,Chrome創建的MHT文件。
顯示搜索,加載和查看MHT文件的簡單過程。
批量打開MHT文件的獨特選項。
瀏覽充滿MHT文件的文件夾并一次性加載所有文件。
沒有文件大小或文件內容限制來打開MHTML / MHT文件格式。
嘗試查看MHT文件時,將保留數據完整性。
用戶可以直接通過此網站下載對應的安裝包,然后即可進行解壓,雙擊程序即可將其打開
雙擊后,即可彈出對應的用戶界面,整個用戶界面的功能模塊分布非常清晰
選擇“ MHT文件”文件夾已在軟件面板中加載文件。
從您的計算機中選擇MHT文件,然后依次“打開”以繼續
選擇任何特定的MHT來閱讀和預覽其信息。
它是MHTML文檔的備用名稱和后綴,默認格式為Internet Explorer隨同存儲的網頁的存檔格式的MHTML文檔。
此文件格式可以包含各種資源,例如Java,圖像,音頻,Flash等,以及所有外部鏈接以及HTML代碼。
有多種原因需要創建MHT文件,因為保存網頁很有用,因為它允許離線訪問特定網頁。
很多時候,用戶需要捕獲網頁上的內容以備將來使用。
因此,他們通過在系統上創建MHT文件來存儲網頁。
下載：https://www.macv.com/mac/3172.html?id=NDcwODQ%3D
HT Viewer for Ma是一款輕量級的.mht、.mhtm、.mhtml文檔查看器/閱讀器。可快速閱讀，還支持文本縮放或者放大，支持蘋果芯片，趕快試試吧。
詳情盡在：https://www.macz.com/mac/8152.html?id=ODE3NDU1Jl8mMjcuMTg2LjEyNy4yNTQ%3D
所周知,python最強大的地方在于，python社區匯總擁有豐富的第三方庫，開源的特性，使得有越來越多的技術開發者來完善。
python的完美性。
未來人工智能，大數據方向，區塊鏈的識別和進階都將以python為中心來展開。
咳咳咳！ 好像有點打廣告的嫌疑了。
當前互聯網信息共享時代，最重要的是什么?是數據。最有價值的是什么？是數據。最能直觀體現技術水平的是什么?還是數據。
所以，今天我們要分享的是：如何來獲取各個文件格式的文本信息。
普通文件的格式 一般分為: txt普通文本信息，doc word文檔，html網頁內容，excel表格數據，以及特殊的mht文件。
一、Python處理html網頁信息
html類型的文本數據，內容是由前端代碼書寫的標簽+文本數據的格式，可以直接在chrome瀏覽器打開，清楚 的展示出文本的格式。
python 獲取html文件的內容和獲取txt文件的方法相同，直接打開文件讀取就可以了。
讀取代碼如下:
with open(html_path, "r", encoding="utf-8") as f: file=f.read()
file 是html文件的文本內容。是一個網頁標簽的格式內容。
二、Python處理excel表格信息
python擁有直接操作excel表格的第三方庫xlwt,xlrd。調用對應的方法就可以讀寫excel表格數據。
讀取excel操作代碼如下:
filepath="C:\\Users\Administrator\Desktop\新建文件夾\笨笨 前程6份 武漢.xls" sheet_name="UserList" rb=xlrd.open_workbook(filepath) sheet=rb.sheet_by_name(sheet_name) # clox_list=[0, 9, 14, 15, 17] for row in range(1, sheet.nrows): w=WriteToExcel() # for clox in clox_list: name=sheet.cell(row, 0).value phone=sheet.cell(row, 15).value address=sheet.cell(row, 9).value major=sheet.cell(row, 14).value age=sheet.cell(row, 8).value
其中row是表格數據對應的行數， cell獲取具體行數，列數的具體數據。
三、Python讀取doc文檔數據
python讀取doc文檔是最麻煩的。處理邏輯復雜。處理的方式也有很多種。
python 沒有直接處理doc文檔的第三方庫，但是有一個處理docx的第三方庫。可以通過將doc文件轉換為docx文件，再調用第三方python庫pydocx來讀取doc文檔的內容。
這里需要注意的是,不要直接修改doc的后綴來修改成docx文件。直接通過修改后綴獲取的docx文件，pydocx無法讀取內容。
我們可以使用另外一個庫來修改doc為docx。
具體代碼如下:
def doSaveAas(self, doc_path):
"""
將doc文檔轉換為docx文檔
:rtype: object
"""
docx_path=doc_path.replace("doc", "docx")
word=wc.Dispatch('Word.Application')
doc=word.Documents.Open(doc_path) # 目標路徑下的文件
doc.SaveAs(docx_path, 12, False, "", True, "", False, False, False, False) # 轉化后路徑下的文件
doc.Close()
word.Quit()
代碼所需的包接口:
import os import zipfile from win32com import client as wc import xlrd from bs4 import BeautifulSoup from pydocx import PyDocX from lxml import html from xpath_content import XpathContent from write_to_excel import WriteToExcel
python處理docx文檔的方法有很多種，具體使用情況，根據個人需求來決定。
No.1 解壓docx文件
docx文件的原理，本質上就是一個壓縮的zip文件，通過解壓以后，就可以獲取原來文件的各個內容。
docx解壓后的文件結構如下:
docx文件的文本內容存儲結構如下:
文本內容存儲于word/document.xml文件中。
第一種方法，我們就可以先將docx還原成zip壓縮文件，再解壓zip文件，讀取word/document.xml文件的內容就ok了。
具體操作代碼如下:
def get_content(self):
"""
獲取docx文檔的文本內容
:rtype: object
"""
os.chdir(r"C:\Users\Administrator\Desktop\新建文件夾") # 改變目錄到文件的目錄
#
os.rename("51 2014.09.12 1份Savannah.docx", "51 2014.09.12 1份Savannah.ZIP") # 重命名為zip文件
f=zipfile.ZipFile('51 2014.09.12 1份Savannah.ZIP', 'r') # 進行解壓
xml=f.read("word/document.xml")
wordObj=BeautifulSoup(xml.decode("utf-8"))
# print(wordObj)
texts=wordObj.findAll("w:t")
content=[]
for text in texts:
content.append(text.text)
content_str="".join(content)
return content_str
最后獲取到的就是docx文檔的所有文本數據了。
No.2 將docx文檔轉換成python能夠處理的文本格式
第一種方法，是依據docx文檔的原理來獲取數據,流程有點繁瑣，有沒有能直接讀取docx文檔內容的方法呢？答案，肯定是沒有的，別想了，洗洗回家睡吧。
直接讀取docx文檔的方法沒有，有沒有能夠將docx文檔轉換成python能夠輕松處理的文本格式呢？
這個可以有，前面說了，python擁有大量豐富的第三方庫（先夸一波我大python）,歷經千辛萬苦終于找到了，一個能轉換docx文檔格式的第三方庫,pydocx,pydocx庫中有個方法pydocx.to_html()就可以直接將docx文檔轉換為html文件，怎么樣？意不意外，驚喜不驚喜！
第二種方法，轉換文本格式的代碼如下:
def docx_to_html(self, docx_path): """ docx文檔轉換成html響應 :rtype: object """ # docx_path="C:\\Users\Administrator\Desktop\新建文件夾\\51 2014.09.12 1份Savannah.docx" response=PyDocX.to_html(docx_path)
獲取到的response是html文件內容。
四、Python處理mht文件
mht文件是一種只能在IE瀏覽器上展示的文本格式，在chrome瀏覽器中打開是一堆的亂碼。
No.1 偽造IE請求mht文件內容
最基礎的讀取mht文本的方法就是偽造IE瀏覽器請求。
調用requests庫，發送get請求網頁鏈接，構造IE的請求頭信息。
理論上來說，這種方法是可行的。但是呢，不建議用，原因大家都懂得。
No.2 轉換文件格式
好了說正經的方法，猜測mht文件能否修改成其他文件格式來直接讀取呢？
docx,不行；html，不行；excel，更不用說了。
真相只有一個！！！
直接修改后綴得到的docx，無法讀取。
so,我們想到的方法是什么呢。沒錯，就是修改成doc文檔。
方法是匪夷所思的，但也是靈感一現。
mht可以直接通過修改后綴轉換成doc文檔，doc文檔讀取文本內容的方法具體參考上面讀取doc文檔的方法。
如何獲取html文本的內容？
html文本的內容是網頁結構標簽數據，取出文本的方式是：re正則，或者xpath。
后續，小伙伴有需要的話，會再開一章詳細了解re,xapth的使用規則。
來源網絡，侵權聯系刪除
*請認真填寫需求信息，我們會在24小時內與您取得聯系。
