使用Python将HTML转换为RTF字符串
我想找一种方法把HTML文本转换成RTF字符串。有没有什么库可以做到这一点？在我的项目中，我动态获取HTML内容，需要把它转换成RTF格式。我现在使用HTML解析器把HTML文本转换成普通字符串，然后尝试用PyRTF把它转换成RTF格式。有没有更好的方法可以做到这一点？提前谢谢大家。
3 个回答
我看到这个问题已经有一年多了，但我还是想分享一下我的经验。最近我也遇到了类似的需求，于是我找到了PyRTF，这是一个小巧但功能强大的Python模块，可以从文本文件生成RTF文档。你可以使用Beautiful Soup来提取HTML内容，逐层解析每个标签，然后利用PyRTF的接口来创建合适的对象，比如表格、单元格、段落、部分或整个文档。
这个接口的功能非常细致，可以进行很多自定义格式设置，比如字体、对齐方式、颜色、页眉、页脚等等。
希望这对你有帮助。
RTF格式在转换时似乎有点麻烦。我在Mac OS X上尝试过在不同应用之间复制粘贴，RTF在这些应用中算是一种“通用语言”。其中一些应用是微软的（因为RTF是微软开发的格式），而其他的则不是。即使是一些基本的格式信息，比如字体大小、字体样式、行间距和列表样式（有序或无序），在从一个看似支持RTF的应用复制到另一个应用时，都会变得混乱。简单来说，就是一团糟。
我一直在寻找可以用Python编程来读取、写入和转换RTF的方法。我在PyPI上找到了几个相关的包，但尝试后让我很失望。它们可能只支持RTF 1.5，而现在的版本是1.9.1。RTF已经存在很久了，但2005年的规范就显得不太新了。过程中遇到了很多问题和不兼容的情况，真的是很多。
当然，我并不是说这不可能，或者没有其他库可以解决这个问题。我没有尝试过这里提到的zopyx.convert，也许它很好。但从它的依赖来看——Java、FOP等——看起来这个工具链相当复杂（因此可能不太稳定）。我在GitHub上看过它的代码，发现Python只是用来协调的表面工具。它组织了外部工具XFC、XINC、FOP和PrinceXML，其中三个是商业软件。这包括处理RTF的关键部分XFC。对此我持怀疑态度。
我找到两个值得关注的转换工具：如果你在使用Mac，textutil这个命令行程序实际上是我见过的比较好且简单的工具之一。
textutil -convert html filename.rtf -output filename.html
另一个值得考虑的格式引擎是LibreOffice。它是免费的、开源的，比较适合自动化，并且是一个不错的互操作性中心。这不是随便猜的；我已经围绕它构建了复杂的多格式文档工作流程。
我想问问你为什么要去处理RTF。这个格式看起来像是你想要逃避的文档格式。但如果你确实需要使用它，textutil和LibreOffice是我找到的最不糟糕的选择。