写在前面：

对于python程序员来说，文件格式之间转换很常用，尤其是把我们爬虫爬到的内容转换成想要的文档格式时。这几天看到一个网站上有许多文章，个人很喜欢，直接复制太麻烦，为了将爬到的html文件以word .doc 文件的格式存储到自己的数据库，选用了pypandoc库。

这个库语法简单，瞄一眼就能会，就跟我一起来看看吧。

安装

安装一般先装pandoc 然后安装pypandoc库

1.window

1>安装pandoc：直接下载windows版本的.msi文件即可，传送门 https://github.com/jgm/pandoc/releases/

2>安装pypandoc库：命令行安装，或者直接idea安装

pip install pypandoc

2.ubuntu

sudo apt install pandoc
pip install pypandoc
使用

pypandoc主要有3个函数：

1.convert()
2.convent_file()
3.convenr_text()

其中convert（）官方建议不用，容易产生歧义。

convert_file()和convent_text()区别就在于一个接收文件参数，一个接收文本参数。结合下面例子一看即懂：

import pypandoc

# 将当前目录下html目录中的1.html网页文件直接转换成.docx文件，文件名为file1.docx，并保存在当前目录下的doc文件夹中
pypandoc.convert_file('./html/1.html', 'docx', outputfile="./doc/file1.docx")

# # 将当前目录下html目录中的1.html网页文件 读取出来，然后转换成.docx文件，文件名为file2.docx，并保存在当前目录下的doc文件夹中
with open('./html/1.html', encoding='utf-8') as f:
    f_text = f.read()
pypandoc.convert_text(f_text, 'docx', 'html', outputfile="./doc/file2.docx")
可转格式

一图知晓：

pypandoc库实现文档转换_数据库