HTML 文件夹（ZIP）一键整合为 MHTML

本项目提供一个实用脚本，将“HTML 文件夹及其资源（如图片）”打包成的 ZIP 压缩包整合为单个 MHTML 文件，可单个处理或批量处理同目录下的所有 ZIP。

核心脚本：

适用场景：当你有一个网页导出的目录（包含 .html 和 images 等资源子目录），先将该目录压缩为 .zip，然后用本脚本一键合并为一个可独立打开的 .mhtml 文件。

功能特性

• 支持单文件模式与批量模式（默认扫描脚本所在目录下的所有 .zip）
• 自动选择 ZIP 中第一个 .html/.htm 作为主页面，或通过 --html 指定具体 HTML
• 自动检测 HTML 编码（BOM、meta charset），保证字符显示正确
• 将 <img src="..."> 引用的、位于 ZIP 内的图片内联为 MHTML 附件，并重写为 cid:...
• 支持嵌套 ZIP：会递归定位最内层包含 HTML 的 ZIP 后再进行处理
• 纯标准库实现，无第三方依赖

环境要求

• Python 3（建议 3.7+）
• Windows/macOS/Linux 皆可

快速开始

1. 将你的 HTML 文件夹打包为一个 ZIP（例如：MyPage.zip）
2. 把 ZIP 放到与脚本相同的目录
3. 执行以下任一方式：

• 批量模式（无参数或显式 --batch），会处理当前目录下所有 .zip：

  PowerShell / CMD：

  python mhtml_from_zip.py
  # 或
  python mhtml_from_zip.py --batch

  可指定扫描目录：

  python mhtml_from_zip.py --batch --dir "C:\path\to\zips"

• 单文件模式（指定输入 ZIP 与输出 MHTML 路径）：

  python mhtml_from_zip.py --zip "MyPage.zip" --out "MyPage.mhtml"

  若 ZIP 中有多个 HTML，使用 --html 指定主页面的相对路径（相对于 ZIP 根）：

  python mhtml_from_zip.py --zip "MyPage.zip" --out "MyPage.mhtml" --html "index.html"

参数说明

• --zip：输入 ZIP 路径（单文件模式）
• --out：输出 MHTML 路径（单文件模式）
• --html：ZIP 中主 HTML 的相对路径（可选，单文件模式）
• --batch：批量模式；处理指定目录（或脚本所在目录）下的所有 ZIP
• --dir：在批量模式下指定扫描的目录；缺省为脚本所在目录

说明：如果未提供 --zip 与 --out，脚本会自动进入批量模式。

输入与输出

• 输入：包含 HTML 及其资源文件（如 images 子目录内的 PNG/JPG 等）的 ZIP 压缩包
• 输出：对应的 .mhtml 文件
  • 批量模式下，输出文件名与 ZIP 同名（仅扩展名改为 .mhtml），并保存在扫描目录中
  • 单文件模式下，输出到 --out 所指路径
• 原 ZIP 不会被修改

工作原理（简述）

• 打开（并在需要时递归打开）ZIP，定位包含 .html/.htm 的最内层 ZIP
• 选取主 HTML（默认第一个，或按 --html 强制指定）并检测编码
• 解析 HTML 中的 <img src="...">：
  • 仅处理 ZIP 内存在的相对路径图片
  • 外链（http/https）、data:、cid: 形式保留原样
• 将匹配到的图片作为附件内联到 MHTML 中，HTML 中的 src 改写为 cid:...

限制与注意事项

• 当前仅内联 <img src="..."> 的图片资源；CSS 背景图、外部 CSS/JS 等暂不内联（可按同思路扩展）
• 资源路径解析相对于主 HTML 文件所在目录
• 如果 ZIP 中没有发现 .html/.htm，会报错提示检查压缩包或使用 --html 指定
• 为确保能正确内联，请保证图片文件真实存在于 ZIP 内，且 src 使用相对路径

常见问题（FAQ）

• 问：我的是“HTML 文件夹”，不是 ZIP，如何处理？

  • 答：请先把该文件夹整体压缩为一个 ZIP（保持内部相对路径结构不变），再用本脚本转换。

• 问：输出 MHTML 中部分图片没有显示？

  • 答：常见原因有三：
    1. 图片是网络外链（http/https）或 data:/cid: 形式，脚本不会改写；
    2. src 路径不正确或图片不在 ZIP 中；
    3. 图片来自 CSS 背景或其它非 <img src> 引用（当前版本未内联）。

• 问：一个 ZIP 里有多个 HTML，脚本选错了主页面？

  • 答：使用 --html 精确指定主 HTML 的相对路径，例如：--html pages/index.html。

示例

• ExportBlock-xxxx-Part-1.zip 处理后得到 ExportBlock-xxxx-Part-1.mhtml
• 批量模式会依次处理目录中所有 .zip，并打印每个条目的主 HTML 及成功内联的图片列表