如何在从 docx 转换为 HTML 时修改 pandoc 输出的 HTML？

How to modify the HTML outputted by pandoc while converting from docx to HTML?

我正在使用 python 的 Pypandoc 模块。我用于转换的代码是：

html = pypandoc.convert(
            tmp_loc,
            'html5',
            extra_args=['--extract-media=']
            )

此代码将 docx 转换为 HTML 并存储在 'html' 中，同时从 docx 中提取图像并将它们存储到名称为 image01.jpg 的媒体存储库中。 HTML中的img src是：

<img src="/media/image01.jpg" />

现在我想做的是把图片的名字，也就是image01.jpg改成一个更方便的名字。我可以轻松更改存储库中图像的名称。但是如何更新pypandoc输出的HTML中的img src标签？

谢谢

我认为问题实际上与 docx 有关。在这些文档中，每个图像都有自己的名称，即使它是隐藏的。您可以在图像属性中查看它 - 而且，自动名称是 - 当然！ - 图片XX！因此，我建议更改文档本身中图像的名称，然后再次转换。

如果您有太多图像并且想以某种方式自动执行此过程，请尝试一些十六进制编辑器（我建议 linux 中的 ghex）和 "search and replace" 功能。您可以将 "image" 替换为 "something"，结果文件将是 "somethingXX.jpg"

我只是将每个上传文件放在自己的目录中（uploadX/index.html 和 uploadX/media/imageY.jpg 等）。

或者至少在转换为 HTML 之后进行重命名（比 docx 更好用），例如在文件名前加上一个唯一的 ID，例如 uploadX_imageY.jpg，并使用 HTMLParser.

之类的东西调整链接