Python获取blog文章内容

pengGgxp

临时写的一个，应用场景佷有限，大家凭自己再扩展吧，我是因为要把一个文章迁移，强制复制也不行，就写了个这玩意，直接上图了：


这个可以再扩展成更自动的，可是我懒，希望有闲的没事的大佬扩展一下，我要借鉴（抄）~~

pengGgxp

云在天 发表于 2023-11-16 06:34
为什么要提供图片, 不提供代码呢

代码在这

[Python] 纯文本查看 复制代码

import re
import requests
from lxml import etree

post_url = input('请输入文章地址：')
#根据文章地址get数据
res = requests.get(post_url)

xx = res.content.decode('utf-8')

x = etree.HTML(xx)
#需要获取父级xpath
#xpath示例：//*[@id="article-container"]
#不会的百度吧
xpath = input('请输入xpath路径，可打开控制台查看:')
content = x.xpath(xpath + '//*')

ree = re.compile(r'class=".*"|id=".*"')
urll = re.compile(r'(?<=(src="))(/).*?(?=("))')
with open('resualt.txt', 'w', encoding='utf-8') as file:
    tep1 = ''
    for i in content:
        tep = etree.tostring(i, encoding='utf-8').decode('utf-8').strip()
        tep = re.sub(ree, '', tep)
        strr = re.search(urll, tep)
        #如果图片是相对路径，就自动替换成绝对路径，（需要自己寻找修改路径地址）
        #后面不用管，只需要找到前面的路径就行  就像https://dreamtea.top
        #需要自己实测
        if strr is not None:
            strr = strr.group()
            tep = re.sub(urll, 'https://cdn.com' + '/' + strr, tep)
            # print(tep)
            strr = None
        if tep != tep1 and tep in tep1:
            #print(tep)
            continue
        file.write(tep)
        tep1 = tep
print('导出完成!')

USER7086

import re
import requests
from lxml import etree
post_url = input('请输入文章地址: ')
#根提文章地址get数据
res = requests. get(post_url)
xx= res. content. decode('utf-8')
x = etree. HTML(xx)
#需要获取父级xpath
#xpath示例: //*[@id="article-container"]
#不会的百度吧
xpath = input('请输入xpath路径, 可打开控制台查看:')
content = x. xpath(xpath + '//*')
ree = re. compile(r'class=".*"|id=".*"')
url l = re. compile(r'(?<=(src="))(/).*?(?=("))')
with open('resualt. txt', 'w', encoding='utf-8') as file:
tep1 = ''
for i in content:
tep = etree. tostring(i, encoding='utf-8'). decode('utf-8'). strip()
tep = re. sub(ree, ", tep)
strr = re. search(urll, tep)
#如果图片是想对路径，就自动背换成绝对路径，《需要自己寻找修改路径地址》
#后面不用筒,只需要找到煎面的路径就行。就像&#160;https://dreamtea.top
#需要自己实测
if strr is not None:
strr r = strr. group()
tep = re.sub(urll, '&#160;https://cdn.con'+'/'+strr,tep)
# print(tep)
strr = None
if tep != tep1 and tep in tep1:
#print(tep)
continue
file. write(tep)
tep1 = tep
print('导出完成!')

pengGgxp

如果有不会获取xpath可以直接百度！
或者按我的方法，打开开发者工具，进入选择模式，选中父级（最外面那个）元素，然后 右键->复制->复制xpath（或者复制完整xpath，基本一样）

云在天

为什么要提供图片, 不提供代码呢

goditorjoker

最好加上uer-agent防止反爬,直接请求可能会失败

sai609

为什么要提供图片, 不提供代码呢

winxpnt

好东东，收藏，感谢分享

chenqc

牛逼，谢谢

CHENYF8318

为什么要提供图片, 不提供代码呢？

xiaotwins

学习了 不错不错

zlxtqbdqq

要是有代码就更好了，我们也想借鉴