使い方
python html2md.py example.htmlのようにコマンドを打つとexample.meとなって変換される
ディレクトリ内のすべてのhtmlファイルを変換したい場合はfor %i in (*.html) do python html_to_obsidian_md.py "%i"(コマンドプロンプト)Get-ChildItem *.html | ForEach-Object { python html_to_obsidian_md.py $_.Name }(Powershell)とコマンドを打つと良い- 変換先のmdファイルが既にある場合、
-fオプションをつけてpython html2md.py example.html -fとすることで上書きできる
仕様
- タイトルは削除 (e.g.
<div class="title">title</div> ->)
- imgタグはmarkdown画像埋め込みに変換 (e.g.
<li><img alt="" src="image.png" /></li> -> )
- タグはハッシュタグに変換 (e.g.
<span class="label-name">namako</span> -> #namako)
- 作成日時をファイルの作成日時と更新日時に設定
- ピン止め、アーカイブされたノートはそれぞれpinned, archivedのタグを付加 (e.g.
<span class="pinned" title="Note pinned"> -> #pinned, <span class="archived" title="Note archived"> -> #archived)
スクリプト例
"""
Google Keep HTML エクスポートを Obsidian Markdown に変換するスクリプト
使い方:
python html_to_obsidian_md.py input.html [output.md]
output.mdを指定しない場合は、入力ファイル名から自動生成されます
"""
"""
Google Keep HTML エクスポートを Obsidian Markdown に変換するスクリプト
使い方:
python html_to_obsidian_md.py input.html [output.md]
output.mdを指定しない場合は、入力ファイル名から自動生成されます
"""
import sys
import re
from pathlib import Path
from html.parser import HTMLParser
from html import unescape
import argparse
class KeepNoteParser(HTMLParser):
"""Google Keep ノートのHTMLをパースするクラス"""
def __init__(self):
super().__init__()
self.in_heading = False
self.in_title = False
self.in_content = False
self.in_chips = False
self.in_chip = False
self.in_attachments = False
self.in_meta_icons = False
self.heading = ""
self.title = ""
self.content = ""
self.labels = []
self.weblinks = []
self.attachments = []
self.is_archived = False
self.is_pinned = False
self.datetime = ""
self.current_chip_text = ""
self.current_chip_is_weblink = False
self.current_chip_is_label = False
self.current_chip_url = ""
def handle_starttag(self, tag, attrs):
attrs_dict = dict(attrs)
if tag == 'div':
if attrs_dict.get('class') == 'heading':
self.in_heading = True
elif attrs_dict.get('class') == 'title':
self.in_title = True
elif attrs_dict.get('class') == 'content':
self.in_content = True
elif attrs_dict.get('class') == 'chips':
self.in_chips = True
elif attrs_dict.get('class') == 'attachments':
self.in_attachments = True
elif attrs_dict.get('class') == 'meta-icons':
self.in_meta_icons = True
elif tag == 'span':
class_attr = attrs_dict.get('class', '')
title_attr = attrs_dict.get('title', '')
if 'archived' in class_attr and 'Note archived' in title_attr:
self.is_archived = True
elif 'pinned' in class_attr and 'Note pinned' in title_attr:
self.is_pinned = True
if self.in_chips and 'chip' in class_attr:
self.in_chip = True
self.current_chip_text = ""
self.current_chip_url = ""
if 'WEBLINK' in class_attr:
self.current_chip_is_weblink = True
self.current_chip_is_label = False
elif 'label' in class_attr:
self.current_chip_is_label = True
self.current_chip_is_weblink = False
elif tag == 'a' and self.in_chip:
self.current_chip_url = attrs_dict.get('href', '')
elif tag == 'br' and self.in_content:
self.content += '\n'
elif tag == 'img' and self.in_attachments:
src = attrs_dict.get('src', '')
if src:
self.attachments.append(src)
def handle_endtag(self, tag):
if tag == 'div':
if self.in_meta_icons:
self.in_meta_icons = False
elif self.in_title:
self.in_title = False
elif self.in_content:
self.in_content = False
elif self.in_chips:
self.in_chips = False
elif self.in_attachments:
self.in_attachments = False
elif self.in_heading:
self.in_heading = False
elif tag == 'span' and self.in_chip:
if self.current_chip_is_weblink and self.current_chip_url:
self.weblinks.append(self.current_chip_url)
elif self.current_chip_is_label and self.current_chip_text:
self.labels.append(self.current_chip_text.strip())
self.in_chip = False
self.current_chip_is_weblink = False
self.current_chip_is_label = False
def handle_data(self, data):
if self.in_heading and not self.in_title and not self.in_meta_icons:
date_pattern = '(Jan|Feb|Mar|Apr|May|Jun|Jul|Aug|Sep|Oct|Nov|Dec)' + r'\s+\d+,\s+\d{4},\s+\d+:\d+:\d+[\s\u202F]+(?:AM|PM)'
match = re.search(date_pattern, data)
if match:
self.datetime = match.group()
self.heading += data
elif self.in_title:
self.title += data
elif self.in_content:
self.content += data
elif self.in_chip:
self.current_chip_text += data
def set_file_times(filepath: Path, timestamp: float) -> bool:
"""
ファイルの作成日時と更新日時を設定
Windows、Linux/Mac の両方に対応
Args:
filepath: 対象ファイルのパス
timestamp: Unix timestamp
Returns:
成功したらTrue、失敗したらFalse
"""
import platform
import os
try:
if platform.system() != 'Windows':
os.utime(filepath, (timestamp, timestamp))
return True
import ctypes
from ctypes import wintypes
GENERIC_WRITE = 0x40000000
OPEN_EXISTING = 3
FILE_SHARE_READ = 0x00000001
FILE_SHARE_WRITE = 0x00000002
EPOCH_AS_FILETIME = 116444736000000000
timestamp_100ns = int((timestamp * 10000000) + EPOCH_AS_FILETIME)
class FILETIME(ctypes.Structure):
_fields_ = [
("dwLowDateTime", wintypes.DWORD),
("dwHighDateTime", wintypes.DWORD)
]
ft = FILETIME()
ft.dwLowDateTime = timestamp_100ns & 0xFFFFFFFF
ft.dwHighDateTime = timestamp_100ns >> 32
CreateFileW = ctypes.windll.kernel32.CreateFileW
CreateFileW.argtypes = [
wintypes.LPCWSTR,
wintypes.DWORD,
wintypes.DWORD,
wintypes.LPVOID,
wintypes.DWORD,
wintypes.DWORD,
wintypes.HANDLE
]
CreateFileW.restype = wintypes.HANDLE
SetFileTime = ctypes.windll.kernel32.SetFileTime
SetFileTime.argtypes = [
wintypes.HANDLE,
ctypes.POINTER(FILETIME),
ctypes.POINTER(FILETIME),
ctypes.POINTER(FILETIME)
]
SetFileTime.restype = wintypes.BOOL
CloseHandle = ctypes.windll.kernel32.CloseHandle
CloseHandle.argtypes = [wintypes.HANDLE]
CloseHandle.restype = wintypes.BOOL
handle = CreateFileW(
str(filepath),
GENERIC_WRITE,
FILE_SHARE_READ | FILE_SHARE_WRITE,
None,
OPEN_EXISTING,
0,
None
)
if handle == -1:
return False
try:
result = SetFileTime(handle, ctypes.byref(ft), ctypes.byref(ft), ctypes.byref(ft))
return bool(result)
finally:
CloseHandle(handle)
except Exception as e:
print(f" 警告: ファイル日時の設定に失敗しました: {e}", file=sys.stderr)
return False
def html_to_markdown(html_path: Path) -> str:
"""HTMLファイルをMarkdown形式に変換"""
with open(html_path, 'r', encoding='utf-8') as f:
html_content = f.read()
parser = KeepNoteParser()
parser.feed(html_content)
markdown_lines = []
tags = []
if parser.is_archived:
tags.append("#archived")
if parser.is_pinned:
tags.append("#pinned")
for label in parser.labels:
tag_name = label.replace(' ', '_')
tags.append(f"#{tag_name}")
if tags:
markdown_lines.append(" ".join(tags) + "\n\n")
if parser.content:
content = parser.content.strip()
content = re.sub(r'\n{3,}', '\n\n', content)
markdown_lines.append(content + "\n")
if parser.weblinks:
markdown_lines.append("\n## リンク\n\n")
for link in parser.weblinks:
markdown_lines.append(f"- {link}\n")
if parser.attachments:
markdown_lines.append("\n## 添付ファイル\n\n")
unique_attachments = list(dict.fromkeys(parser.attachments))
for attachment in unique_attachments:
markdown_lines.append(f"\n\n")
return "".join(markdown_lines), parser.datetime
def main():
"""メイン処理"""
parser = argparse.ArgumentParser(
description='Google Keep HTMLエクスポートをObsidian Markdownに変換'
)
parser.add_argument('input', help='入力HTMLファイルのパス')
parser.add_argument('output', nargs='?', help='出力Markdownファイルのパス（省略可）')
parser.add_argument('-f', '--force', action='store_true',
help='出力ファイルが既に存在する場合でも上書き')
args = parser.parse_args()
input_path = Path(args.input)
if not input_path.exists():
print(f"エラー: ファイルが見つかりません: {input_path}", file=sys.stderr)
sys.exit(1)
if args.output:
output_path = Path(args.output)
else:
output_path = input_path.with_suffix('.md')
if output_path.exists() and not args.force:
print(f"エラー: 出力ファイルが既に存在します: {output_path}", file=sys.stderr)
print("上書きする場合は -f オプションを使用してください", file=sys.stderr)
sys.exit(1)
try:
markdown_content, datetime_str = html_to_markdown(input_path)
with open(output_path, 'w', encoding='utf-8') as f:
f.write(markdown_content)
if datetime_str:
try:
from datetime import datetime
import locale
try:
locale.setlocale(locale.LC_TIME, 'en_US.UTF-8')
except:
try:
locale.setlocale(locale.LC_TIME, 'C')
except:
pass
dt = datetime.strptime(datetime_str, '%b %d, %Y, %I:%M:%S %p')
timestamp = dt.timestamp()
success = set_file_times(output_path, timestamp)
print(f"変換完了: {output_path}")
print(f" 作成日時: {datetime_str}")
print(f" 出力サイズ: {len(markdown_content)} 文字")
if success:
print(f" ファイル日時: 設定成功")
else:
print(f" ファイル日時: 設定失敗（警告）")
except Exception as e:
print(f"変換完了: {output_path}")
print(f" 出力サイズ: {len(markdown_content)} 文字")
print(f" 警告: ファイル日時の設定に失敗しました: {e}", file=sys.stderr)
else:
print(f"変換完了: {output_path}")
print(f" 出力サイズ: {len(markdown_content)} 文字")
except Exception as e:
print(f"エラー: 変換中に問題が発生しました: {e}", file=sys.stderr)
sys.exit(1)
if __name__ == '__main__':
main()
余談
obsidianのコミュニティープラグイン、custom attachment locationが良さそう。画像貼り付けると自動でノート名と同じディレクトリに格納してノートを移動すると画像フォルダも追随する。vault全体の画像のパスも整理してくれる
参考：https://note.com/rock72/n/ne69fd99b193d
