Spaces:
Sleeping
Sleeping
Update main.py
Browse files
main.py
CHANGED
|
@@ -156,17 +156,13 @@ async def convert_to_accessible_html(input_filename, ext, base_filename, image_c
|
|
| 156 |
with open(input_filename, 'r', encoding='utf-8') as f:
|
| 157 |
html_content = f.read()
|
| 158 |
try:
|
| 159 |
-
# Utiliser readability-lxml pour extraire le contenu principal
|
| 160 |
doc = Document(html_content)
|
| 161 |
main_html = doc.summary() # Extrait le HTML principal
|
| 162 |
-
main_text = doc.
|
| 163 |
-
|
| 164 |
-
# Reconstruire le HTML avec le texte principal
|
| 165 |
html_content = f"<html><body><p>{main_text}</p></body></html>"
|
| 166 |
logging.debug("Contenu HTML nettoyé avec readability-lxml.")
|
| 167 |
except Exception as e:
|
| 168 |
logging.error(f"Erreur lors du nettoyage avec readability-lxml : {str(e)}")
|
| 169 |
-
# Vous pouvez décider de continuer avec le contenu HTML original ou arrêter le traitement
|
| 170 |
return None # Ou continuez avec html_content non modifié
|
| 171 |
# Conversion from PDF to HTML with PyMuPDF
|
| 172 |
elif ext == '.pdf':
|
|
|
|
| 156 |
with open(input_filename, 'r', encoding='utf-8') as f:
|
| 157 |
html_content = f.read()
|
| 158 |
try:
|
|
|
|
| 159 |
doc = Document(html_content)
|
| 160 |
main_html = doc.summary() # Extrait le HTML principal
|
| 161 |
+
main_text = doc.content() # Extrait le contenu texte complet
|
|
|
|
|
|
|
| 162 |
html_content = f"<html><body><p>{main_text}</p></body></html>"
|
| 163 |
logging.debug("Contenu HTML nettoyé avec readability-lxml.")
|
| 164 |
except Exception as e:
|
| 165 |
logging.error(f"Erreur lors du nettoyage avec readability-lxml : {str(e)}")
|
|
|
|
| 166 |
return None # Ou continuez avec html_content non modifié
|
| 167 |
# Conversion from PDF to HTML with PyMuPDF
|
| 168 |
elif ext == '.pdf':
|