# py_mht2html

**Repository Path**: siyuw/py_mht2html

## Basic Information

- **Project Name**: py_mht2html
- **Description**: python实现的mht文件转为html格式，用于QQ聊天记录导出的mht文件处理。
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-10-28
- **Last Updated**: 2025-10-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# mht2html 工具集说明

本项目用于将 Windows版 QQ 导出的 MHT 文件（.mht/.mhtml）备份文件，批量转换为 HTML，并提取其中的嵌入媒体资源，支持去重、扩展名修正和安全引用替换，方便保存和查看。

## 目录结构

```
QQMht/
├── input/                # 存放原始 .mht 文件
├── output/               # 输出目录，每个 MHT 文件一个子目录
│   └── <mht-stem>/       # 以 MHT 文件名为子目录名
│       ├── <mht-stem>.html   # 主 HTML 文件
│       ├── att/              # 提取的媒体资源
│       └── archive/          # 归档的 part-*.dat 等无用附件
├── tools/
│   ├── mht_to_html.py    # MHT 解析与提取主脚本
│   └── dedupe_att.py     # 附件去重与 HTML 引用修正脚本
└── README.md             # 项目说明
```

## 依赖环境
- Python 3.7+
- 依赖包：`beautifulsoup4`

安装依赖：
```sh
pip install beautifulsoup4
```

## 使用方法

### 1. MHT 转 HTML 并提取附件

将 MHT 文件（如 `input/bm.mht`）转换为 HTML 并提取嵌入资源：

```sh
python tools/mht_to_html.py input/bm.mht
```

- 输出：`output/bm/bm.html`，附件在 `output/bm/att/`，无用 part-*.dat 归档到 `output/bm/archive/`
- 支持自动识别 Content-Type 并修正扩展名
- HTML 中的 src/href 会自动指向 att 目录下的文件

### 2. 附件去重与 HTML 引用修正

对提取出的附件按内容哈希去重，并自动修正 HTML 中的引用：

```sh
python tools/dedupe_att.py --att output/bm/att --html output/bm/bm.html
```

- 仅保留唯一的媒体文件，HTML 引用自动更新

### 3. 批量处理

可将多个 .mht 文件放入 `input/` 目录，循环调用上述脚本批量处理。

## 主要功能说明

- **MHT 解析**：手动解析 MIME，兼容 QQ 邮件格式
- **扩展名修正**：优先用 Content-Type 判定扩展名，避免 .dat
- **安全 HTML 更新**：用 BeautifulSoup 精确替换 src/href
- **附件去重**：按 SHA256 合并重复文件，HTML 引用同步更新
- **归档无用附件**：part-*.dat 自动移入 archive 目录

## 注意事项
- 若遇到特殊编码或解析失败，可手动检查 input/ 下的原始 MHT 文件
- 若 HTML 引用未生效，请确认 dedupe_att.py 是否已正确运行


## 关于代码生成

本项目中的脚本和辅助工具在初始实现阶段由 AI 辅助生成并在本仓库中迭代完善。AI 提供了自动化的实现草案（包括 `tools/mht_to_html.py`、`tools/dedupe_att.py` 等），随后由人工进行审阅、修正和测试。

注意事项：
- 虽然已尽量保证行为可靠性，但建议在生产或重要数据上使用前先在备份数据上验证输出。
- AI 生成代码在边界条件、编码或极端输入下可能需要额外的人为审查与单元测试。请将该仓库视为“有 AI 辅助开发”的起点而非最终保证无缺陷的产品。