lanyuanxiaoyao
15b63800a8
- 创建 scripts/ 目录作为核心代码根目录 - 移动 core/, readers/, utils/ 到 scripts/ 下 - 移动 config.py, lyxy_document_reader.py 到 scripts/ - 移动 encoding_detection.py 到 scripts/utils/ - 更新 pyproject.toml 中的入口点路径和 pytest 配置 - 更新所有内部导入语句为 scripts.* 模块 - 更新 README.md 目录结构说明 - 更新 openspec/config.yaml 添加目录结构说明 - 删除无用的 main.py 此变更使项目结构更清晰，便于区分核心代码与测试、文档等支撑文件。
26 lines
838 B
Python
26 lines
838 B
Python
"""使用 html2text 解析 HTML（兜底方案）"""
|
||
|
||
from typing import Optional, Tuple
|
||
|
||
|
||
def parse(html_content: str) -> Tuple[Optional[str], Optional[str]]:
|
||
"""使用 html2text 解析 HTML（兜底方案）"""
|
||
try:
|
||
import html2text
|
||
except ImportError:
|
||
return None, "html2text 库未安装"
|
||
|
||
try:
|
||
converter = html2text.HTML2Text()
|
||
converter.ignore_emphasis = False
|
||
converter.ignore_links = False
|
||
converter.ignore_images = True
|
||
converter.body_width = 0
|
||
converter.skip_internal_links = True
|
||
markdown_content = converter.handle(html_content)
|
||
if not markdown_content.strip():
|
||
return None, "解析内容为空"
|
||
return markdown_content, None
|
||
except Exception as e:
|
||
return None, f"html2text 解析失败: {str(e)}"
|