HTML中段落标签和换行标签分别是,HTML 基本标签

import os import re import extract_msg from docx import Document def clean_text(text): """ 清理文本中的非法 XML 字符 移除控制字符（除了制表符、换行符和回车符）和 NULL 字节 """ # 保留制表符(\t)、换行符(\n)、回车符(\r) # 移除其他控制字符（ASCII 0-31 中除了 \t, \n, \r 的字符） # 移除 NULL 字节 (\x00) return re.sub( r'[\x00-\x08\x0b\x0c\x0e-\x1f]', '', text ) def msg_to_docx(msg_path, output_dir): """转换单个 MSG 文件为 Word""" try: msg = extract_msg.Message(msg_path) doc = Document() # 添加邮件元数据 doc.add_heading(f"主题: {msg.subject}", level=1) doc.add_paragraph(f"发件人: {clean_text(msg.sender)}") doc.add_paragraph(f"收件人: {clean_text(msg.to)}") doc.add_paragraph(f"日期: {msg.date}") # 添加邮件正文（清理非法字符） doc.add_heading("正文内容", level=2) # 处理 HTML 内容（如果可用） body_content = msg.body if hasattr(msg, 'htmlBody') and msg.htmlBody: try: # 优先使用 HTML 内容 import html2text h = html2text.HTML2Text() h.ignore_links = True h.ignore_images = True h.ignore_emphasis = True body_content = h.handle(msg.htmlBody) except ImportError: print("提示: 安装 html2text 可获取更好格式 (pip install html2text)") # 清理并添加正文 cleaned_body = clean_text(body_content) doc.add_paragraph(cleaned_body) # 保存 Word 文件 filename = os.path.splitext(os.path.basename(msg_path))[0] + ".docx" output_path = os.path.join(output_dir, filename) doc.save(output_path) msg.close() print(f"已转换: {os.path.basename(msg_path)} -> {filename}") return True except Exception as e: print(f"转换失败: {os.path.basename(msg_path)} - {str(e)}") return False def batch_convert(folder_path, output_dir): """批量转换文件夹内所有 MSG 文件""" if not os.path.exists(output_dir): os.makedirs(output_dir) success_count = 0 fail_count = 0 for filename in os.listdir(folder_path): if filename.lower().endswith('.msg'): filepath = os.path.join(folder_path, filename) if msg_to_docx(filepath, output_dir): success_count += 1 else: fail_count += 1 print("\n" + "=" * 50) print(f"转换完成! 成功: {success_count}, 失败: {fail_count}") print("=" * 50) # 使用示例 - 注意使用原始字符串或双反斜杠 if __name__ == "__main__": input_folder = r"C:\邮件存档" # 使用原始字符串 output_folder = r"C:\转换结果" # 使用原始字符串 # 验证路径是否存在 if not os.path.exists(input_folder): print(f"错误: 输入目录不存在 - {input_folder}") else: print(f"开始转换: {input_folder} -> {output_folder}") batch_convert(input_folder, output_folder) 转出的word内容换行太多，调整下代码