本文主要是介绍Python将博客内容html导出为Markdown格式,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
《Python将博客内容html导出为Markdown格式》Python将博客内容html导出为Markdown格式,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...
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
在Headers中复制出User-Agent,以便模拟浏览器的请求
Python代码
rjsequests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)
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hChina编程tml
标题在articleContentId中
内容在content_views中
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('China编程#content_views').get() # CSS选择器提取文章内容 print(content)
构建html
www.chinasem.cn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:
搬入新家
在新家中导入保存的.md文件
文章中的文字、图片、代码块以及格式都完美搬入新家
到此这篇关于Pythwww.chinasem.cnon将博客内容html导出为Markdown格式的文章就介绍到这了,更多相关Python将html导出为Markdown内容请搜索编程China编程(www.chinasem.cn)以前的文章或继续浏览下面的相关文章希望大家以后多多支持China编程(www.chinasem.cn)!
这篇关于Python将博客内容html导出为Markdown格式的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!