@@@外脑-几个步骤，做一个自己笔记的提问AI-2024.2.1

from bs4 import BeautifulSoup

def html_file_to_text_with_newlines(file_path):
    # 读取本地 HTML 文件
    with open(file_path, 'r', encoding='utf-8') as file:
        html = file.read()

    # 使用 BeautifulSoup 解析 HTML
    soup = BeautifulSoup(html, 'html.parser')

    # 提取并保留换行的文本
    lines = []
    for string in soup.stripped_strings:
        lines.append(string)
    text_with_newlines = '\n'.join(lines)

    # 返回处理过的文本
    return text_with_newlines

# 指定本地 HTML 文件的路径
# file_path = r'C:\Users\Administrator\Desktop\flomo@块头-20231221\index.html'  # 根据您的文件位置进行修改
file_path = r'C:\Users\Administrator\Desktop\flomo@块头-20240201\块头的笔记.html'  # 根据您的文件位置进行修改

# 调用函数并获取文本
text = html_file_to_text_with_newlines(file_path)

# 将结果保存到 .txt 文件
with open('flomo@块头-20240201.txt', 'w', encoding='utf-8') as file:
    file.write(text)

print("HTML 文件的内容已转换为纯文本并保存到 output.txt")

import pandas as pd
import re

def 提取笔记(文件路径):
    # 读取文本文件
    with open(文件路径, 'r', encoding='utf-8') as 文件:
        内容 = 文件.read()

    # 使用正则表达式匹配日期、时间和内容
    # 匹配模式 = r'(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})\n(.*?)\n\n'
    匹配模式 = r'(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})(.*?)(?=\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}|\Z)'
    匹配结果 = re.findall(匹配模式, 内容, re.DOTALL)

    # 创建 DataFrame
    数据框 = pd.DataFrame(匹配结果, columns=['日期时间', '内容'])

    # 处理日期和时间
    数据框['日期时间'] = pd.to_datetime(数据框['日期时间'])

    return 数据框

# 指定文件路径
# 文件路径 = 'flomo@块头-20240201.txt'  # 替换为您的文件路径
文件路径 = r'C:\Users\Administrator\Desktop\flomo@块头-20231125\flomo@块头-20240201.txt'    # 替换为您的文件路径

# 提取笔记
笔记数据框 = 提取笔记(文件路径)

# 保存到 Excel 文件
Excel路径 = '20240201.xlsx'
笔记数据框.to_excel(Excel路径, index=False)

print(f"笔记已保存到 {Excel路径}")