[Python知识库]Python调用nodejs将html转换为Markdown

关于前端HTML转换为Markdown，发现了一个非常好用的npm项目：https://sitdown.mdnice.com/zh-hans/

首先确保本机已经安装nodejs，并根据下面的文章安装execjs并修改其源码：

execjs执行包含中文参数的JavaScript
https://xxmdmst.blog.csdn.net/article/details/123099139

在python所在目录安装sitdown：

> npm install sitdown

added 2 packages, removed 220 packages, and changed 93 packages in 4s

确保当前目录中已经安装了sitdown（至少存在node_modules目录），我们就可以通过execjs在python中调用了：

import os
import execjs

print(execjs.get().name)
js_code = """var { Sitdown } = require('sitdown');
let sitdown = new Sitdown({
      keepFilter: ['style'],
      codeBlockStyle: 'fenced',
      bulletListMarker: '-',
      hr: '---',
});
function html2md(data) {
    return sitdown.HTMLToMD(data)
}
"""

ctx = execjs.compile(js_code)
html = """<div id="write" class=""><blockquote>
<p><span>📢博客主页：</span><a href="https://blog.csdn.net/as604049322"><span>https://blog.csdn.net/as604049322</span></a></p>
<p><span>📢欢迎点赞 👍 收藏 ?留言 📝 欢迎讨论！</span></p>
<p><span>📢本文由 </span><strong><span>小小明-代码实体</span></strong><span> 原创，首发于 </span><strong><span>CSDN</span></strong><span>🙉</span></p>
<p><span>📢未来很长，值得我们全力奔赴更美好的生活?</span></p>
</blockquote></div>"""

md = ctx.call("html2md", html)
print(md)

结果：

Node.js (V8)
> 📢博客主页：[https://blog.csdn.net/as604049322](https://blog.csdn.net/as604049322)
> 
> 📢欢迎点赞 👍 收藏 ?留言 📝 欢迎讨论！
> 
> 📢本文由 **小小明-代码实体** 原创，首发于 **CSDN**🙉
> 
> 📢未来很长，值得我们全力奔赴更美好的生活?

可以看到转换效果还不错。

不过这种执行方法耗时较长，每次调用都需要1秒左右的时间。

如果我们需要频繁进行转换，推荐是使用node启动相关的http服务，python直接通过requests获取结果。

在安装目录下新建html2md.js文件，代码如下：

var { Sitdown } = require('sitdown');
var http = require('http');

let sitdown = new Sitdown({
      keepFilter: ['style'],
      codeBlockStyle: 'fenced',
      bulletListMarker: '-',
      hr: '---',
});

// 创建http server，并传入回调函数:
var server = http.createServer(function (request, response) {
    console.log(request.method + ': ' + request.url);
    let data = '';
    request.on('data', chunk => {
        data += chunk;  // 将接收到的数据暂时保存起来
    });
    request.on('end', () => {
		var markdown = sitdown.HTMLToMD(data);
		response.writeHead(200, {'Content-Type': 'text/html'});
		// 将HTTP响应的HTML内容写入response:
		response.end(markdown);
    });
});

// 让服务器监听18080端口:
server.listen(18080);
console.log('Server is running at http://127.0.0.1:18080/');

执行下面的命令启动nodejs服务：

>node html2md.js
Server is running at http://127.0.0.1:18080/

此时我们在直接http调用：

import requests


def html2md(html, html2md_server="http://127.0.0.1:18080/"):
    res = requests.post(html2md_server, data=html.encode("u8"))
    res.encoding = "u8"
    md = res.text
    return md

html = """<div id="write" class=""><blockquote>
<p><span>📢博客主页：</span><a href="https://blog.csdn.net/as604049322"><span>https://blog.csdn.net/as604049322</span></a></p>
<p><span>📢欢迎点赞 👍 收藏 ?留言 📝 欢迎讨论！</span></p>
<p><span>📢本文由 </span><strong><span>小小明-代码实体</span></strong><span> 原创，首发于 </span><strong><span>CSDN</span></strong><span>🙉</span></p>
<p><span>📢未来很长，值得我们全力奔赴更美好的生活?</span></p>
</blockquote></div>"""
md = html2md(html)
print(md)

结果与上面一样，但耗时仅15毫秒。