0
点赞
收藏
分享

微信扫一扫

Python实搞:博客内容导出为Markdown

一、为什么要搞?

有一部分博客文章需要搬家,逐个手动CV复制粘贴不仅效率低下,还容易出错,而且还面临格式调整的问题。为了简化这一流程,这里尝试使用Python来自动化处理,确保文章内容的准确性和一致性。

二、准备如何搞?

通过博客url地址抓取文章,分析并提取出文章标题和内容,将内容构建成html,再转换为Markdown文件。

在文章新家导入生成的Markdown文件。

三、说搞咱就搞!

抓取文章

在浏览器中(Google Chrome)输入博客网页地址,并F12打开开发者工具

选中Doc,在Response中看到响应结果是html文档

Python实搞:博客内容导出为Markdown_实战

在Headers中复制出User-Agent,以便模拟浏览器的请求

Python实搞:博客内容导出为Markdown_实战_02

Python代码

requests模拟浏览器抓取文章

import requests

blog_url = 'https://blog.csdn.net/qq_40605196/article/details/134268057'
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36'}
res = requests.get(url=blog_url, headers=headers)
print(res.text)

Python实搞:博客内容导出为Markdown_实战_03

可见Python抓取结果和浏览器中的响应结果一致

提取内容

分析响应结果html

标题在articleContentId中

Python实搞:博客内容导出为Markdown_实战_04

内容在content_views中

Python实搞:博客内容导出为Markdown_Python_05

Python代码

使用parsel的Selector解析抓取到的文章,css选择器提取标题和内容

import parsel

selector = parsel.Selector(res.text)  # 创建Selector解析对象
title = selector.css('#articleContentId::text').get()  # CSS选择器提取文章标题
print(title)
print("="*100)
content = selector.css('#content_views').get()  # CSS选择器提取文章内容
print(content)

Python实搞:博客内容导出为Markdown_Python_06

构建html

将提取到的content构建成html

html_content = f"""
<!doctype html>
<html lang="zh-CN">
<head>
    <meta charset="UTF-8">
    <title>Document</title>
</head>
<body>
{content}
</body>
</html>
"""

转存markdown

html2text将构建好的html转换为markdown文件

from html2text import html2text

markdown = html2text(html_content)  # html转换为markdown
md_path = f'{title}.md'
with open(md_path, 'w+', encoding='utf-8') as f:  # 保存为md文件
    f.write(markdown)

markdown文件内容如下图:

Python实搞:博客内容导出为Markdown_Python_07

搬入新家

在新家中导入保存的.md文件

Python实搞:博客内容导出为Markdown_实战_08

文章中的文字、图片、代码块以及格式都完美搬入新家


举报

相关推荐

0 条评论