我需要一个 epub 到 Python 中的文本解决方案答案

【问题标题】：I need an epub to text solution in Python我需要一个 epub 到 Python 中的文本解决方案
【发布时间】：2019-03-15 10:25:49
【问题描述】：

我需要从 epub 获取文本

from epub_conversion.utils import open_book, convert_epub_to_lines

f = open("demofile.txt", "a")
book = open_book("razvansividra.epub")
lines = convert_epub_to_lines(book)

我使用它，但如果我使用 print(lines)，它只会打印一行。图书馆已有6年历史。大家知道什么好方法吗？

【问题讨论】：

标签： python epub

【解决方案1】：

https://github.com/aerkalov/ebooklib呢

EbookLib 是一个 Python 库，用于管理 EPUB2/EPUB3 和 Kindle 文件。它能够以编程方式读写 EPUB 文件（Kindle 支持正在开发中）。

API 旨在尽可能简单，同时时间也让复杂的事情成为可能。它支持封面，目录、书脊、指南、元数据等。

import ebooklib
from ebooklib import epub

book = epub.read_epub('test.epub')

for doc in book.get_items_of_type(ebooklib.ITEM_DOCUMENT):
    print doc

【讨论】：

如我所见，我找不到获取文本的方法，只能获取图像等。
现在，我得到了这种格式现在，我得到了得到这种格式而且根本没有文字
@Adrian 你可以使用 doc.content 来访问文本

【解决方案2】：

convert_epub_to_lines 返回一个指向行的迭代器，需要逐个迭代才能得到。

相反，您可以使用“convert”获取所有行，请参阅库的文档：

https://pypi.org/project/epub-conversion/

【讨论】：

图书馆不再维护！
出现错误，ModuleNotFoundError: No module named 'xml_cleaner'
@ScipioAfricanus 您可以通过使用pip install xml_cleaner 安装它来解决此错误

【解决方案3】：

Epublib 有修改你的 epub 元数据的问题，所以如果你想要原始文件可能只改变了一些东西，你可以简单地将 epub 解压到一个目录中，然后用 Beautifulsoup 解析它：

from os import path, listdir

with ZipFile(FILE_NAME, "r") as zip_ref:
    zip_ref.extractall(extract_dir)

for filename in listdir(extract_dir):
    if filename.endswith(".xhtml"): 
        print(filename)
        with open(path.join(extract_dir, filename), "r", encoding="utf-8") as f:
            soup = BeautifulSoup(f.read(), "lxml")
            for text_object in soup.find_all(text=True):

【讨论】：