파이썬의 텍스트 파일에 html 태그 작성

Question

나는 복잡한 (테이블, 그림) 및 매우 긴 pdf를 html로 변환하기 위해 pdfminer를 사용했다. 결과를 더 파싱하고 (예 : 테이블, 단락 추출 등) nltk의 문장 토크 나이저를 사용하여 추가 분석을 수행하고 싶습니다. 이 목적을 위해 텍스트 파일에 html을 저장하여 파싱을 수행하는 방법을 파악하고자합니다. 불행히도 내 코드 TXT에 HTML을 작성하지 않습니다

는

from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter 
from pdfminer.converter import HTMLConverter 
from pdfminer.converter import TextConverter 
from pdfminer.layout import LAParams 
from pdfminer.pdfpage import PDFPage 
from cStringIO import StringIO 


def convert_pdf_to_html(path): 
    rsrcmgr = PDFResourceManager() 
    retstr = StringIO() 
    codec = 'utf-8' 
    laparams = LAParams() 
    device = HTMLConverter(rsrcmgr, retstr, codec=codec, laparams=laparams) 
    fp = file(path, 'rb') 
    interpreter = PDFPageInterpreter(rsrcmgr, device) 
    password = "" 
    maxpages = 0 #is for all 
    caching = True 
    pagenos=set() 
    for page in PDFPage.get_pages(fp, pagenos, maxpages=maxpages, password=password,caching=caching, check_extractable=True): 
     interpreter.process_page(page) 
    fp.close() 
    device.close() 
    str1 = retstr.getvalue() 
    retstr.close() 
    return str1 
    with open("D:/my_new_file.txt", "wb") as fh: 
     fh.write(str1) 

게다가, 코드는 쉘에서 전체 HTML 문자열을 인쇄 : 나는 그것을 피할 수있는 방법? 사소한 오류가 아니라면

Answer 1

첫째,

.txt 인 쓰기는 리턴 기능 후에 발생합니다 TXT 파일 쓰기가 실행되지 않습니다!

그런 다음, 콘솔에 출력을 억제하기 위해, 단지 어떻게 당신의 루틴을 실행하기 전에 :

장 - 프랑수아 파브르 @

import sys,os 
oldstdout = sys.stdout # save to be able to restore it later 
sys.stdout = os.devnull