premailer 项目技术文档
2024-12-23 06:38:36作者:翟江哲Frasier
1. 安装指南
1.1 使用 pip 安装
要安装 premailer,首先确保你已经安装了 Python 环境。然后使用 pip 命令进行安装:
pip install premailer
1.2 验证安装
安装完成后,可以通过以下命令验证是否安装成功:
python -m premailer -h
如果成功,将显示 premailer 的帮助信息。
2. 项目的使用说明
2.1 基本使用
premailer 的主要功能是将 HTML 中的 CSS 样式块转换为内联样式属性。以下是一个基本的使用示例:
from premailer import transform
html_content = """
<html>
<style type="text/css">
h1 { border:1px solid black }
p { color:red;}
</style>
<h1 style="font-weight:bolder">Peter</h1>
<p>Hej</p>
</html>
"""
transformed_html = transform(html_content)
print(transformed_html)
输出结果将会是:
<html>
<h1 style="font-weight:bolder; border:1px solid black">Peter</h1>
<p style="color:red">Hej</p>
</html>
2.2 命令行使用
你也可以通过命令行使用 premailer:
python -m premailer --base-url=http://google.com/ -f newsletter.html
3. 项目API使用文档
3.1 transform 函数
transform 函数是 premailer 的核心功能,用于将 HTML 中的 CSS 样式转换为内联样式。函数的签名如下:
transform(html, base_url=None, disable_link_rewrites=False, preserve_internal_links=False, preserve_inline_attachments=True, preserve_handlebar_syntax=False, exclude_pseudoclasses=True, keep_style_tags=False, include_star_selectors=False, remove_classes=False, capitalize_float_margin=False, strip_important=True, external_styles=None, css_text=None, method="html", base_path=None, disable_basic_attributes=None, disable_validation=False, cache_css_parsing=True, cssutils_logging_handler=None, cssutils_logging_level=None, disable_leftover_css=False, align_floating_images=True, remove_unset_properties=True, allow_network=True, allow_insecure_ssl=False, allow_loading_external_files=False, session=None)
3.2 主要参数说明
base_url: 可选的 URL,用于将相对链接转换为绝对链接。disable_link_rewrites: 是否禁用链接重写。preserve_internal_links: 是否保留内部链接。preserve_inline_attachments: 是否保留内联附件。exclude_pseudoclasses: 是否忽略伪类。keep_style_tags: 是否保留原始的<style>标签。remove_classes: 是否移除 HTML 元素上的class属性。strip_important: 是否移除 CSS 声明中的!important。external_styles: 可选的外部样式表 URL 列表。css_text: 可选的 CSS 文本。method: 输出的 HTML 类型,可以是"html"或"xml"。base_path: 外部样式表的基本路径。disable_basic_attributes: 禁用的基本属性列表。disable_validation: 是否禁用 CSS 验证。cache_css_parsing: 是否缓存 CSS 解析结果。allow_network: 是否允许网络访问以获取外部样式表。allow_insecure_ssl: 是否允许不安全的 SSL 证书。allow_loading_external_files: 是否允许加载任何非 HTTP 的外部文件 URL。
4. 项目安装方式
4.1 通过 pip 安装
premailer 可以通过 pip 进行安装,安装命令如下:
pip install premailer
4.2 从源码安装
如果你需要从源码安装,可以按照以下步骤操作:
- 克隆项目仓库:
git clone https://github.com/peterbe/premailer.git
- 进入项目目录:
cd premailer
- 安装依赖:
pip install -r requirements.txt
- 安装
premailer:
python setup.py install
通过以上步骤,你就可以成功安装并使用 premailer 项目。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
880
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
439
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
305
118
昇腾LLM分布式训练框架
Python
178
221