IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> 【Python】HTML转Markdown -> 正文阅读

[Python知识库]【Python】HTML转Markdown

【参考:整理最全的 python 之markdown与HTML的互转的几个模块_zhaojiafu的博客-CSDN博客

参考程序:csdn文章转换为markdown格式 -CSDN下载

修改后

  • 数学格式解析不是非常完美
import re
import parsel
import html2text
import requests

class CSDN():
    def __init__(self):
        self.url = "https://blog.csdn.net/qq_34842671/article/details/86062171"

    def spider_csdn(self):
        # 目标文章的链接
        title_url = self.url

        if not title_url:
            print("请输入网址")
            return
        head = {
            "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36 Edg/84.0.522.52"
        }
        html = requests.get(url=title_url, headers=head).text
        page = parsel.Selector(html)
        # 创建解释器
        title = page.css(".title-article::text").get()
        res = re.compile("[^\u4e00-\u9fa5^a-z^A-Z^0-9]")
        restr = ''
        res.sub(restr, title)
        content = page.css("article").get()
        content = re.sub("<a.*?a>", "", content)
        content = re.sub("<br>", "", content)
        # texts=tomd.Tomd(content).markdown
        texts = html2text.html2text(content)
        # 转换为markdown 文件
        with open(title + ".md", mode="w", encoding="utf-8") as f:
            f.write("#" + title)
            f.write(texts)
            

if __name__ == '__main__':
    csdn = CSDN()
    csdn.spider_csdn()

未精简

# from PySide2.QtWidgets import QApplication,QMainWindow,QPushButton,QPlainTextEdit,QMessageBox
import re
import parsel
import tomd
import html2text
import requests
class CSDN():
    def __init__(self):
        # self.windows = QMainWindow()
        # self.windows.resize(450, 300)
        # self.windows.setWindowTitle("轻松获取csdn文章--by tansty")
        # self.setup_ui()
        # self.set_connect()
        self.url="https://blog.csdn.net/Jruo911/article/details/116745413"
        # self.url="https://blog.csdn.net/qq_34842671/article/details/86062171"
    # def set_connect(self):
        #设置建立联系
        # self.button.clicked.connect(self.spider_csdn)
    # def setup_ui(self):
    #     #设置ui界面的建立
    #     self.button = QPushButton(self.windows)
    #     self.button.resize(100, 100)
    #     self.button.move(150, 150)
    #     self.button.setText("获取文章")
    #     self.text = QPlainTextEdit(self.windows)
    #     self.text.setPlaceholderText("请输入需要获取文章的链接")
    #     self.text.resize(450, 100)
    def spider_csdn(self):
        # 目标文章的链接
        title_url=self.url
        # MessageBox = QMessageBox(self.windows)
        if not title_url:
            # MessageBox.critical(self.windows, "错误", "请输入网址")
            return
        head={"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36 Edg/84.0.522.52"
        }
        html=requests.get(url=title_url,headers=head).text
        page=parsel.Selector(html)
        #创建解释器
        title=page.css(".title-article::text").get()
        res = re.compile("[^\u4e00-\u9fa5^a-z^A-Z^0-9]")
        restr = ''
        res.sub(restr, title)
        content=page.css("article").get()
        content=re.sub("<a.*?a>","",content)
        content = re.sub("<br>", "", content)
        # texts=tomd.Tomd(content).markdown
        texts=html2text.html2text(content)
        #转换为markdown 文件
        with open(title+".md",mode="w",encoding="utf-8") as f:
            f.write("#"+title)
            f.write(texts)
            # MessageBox.information(self.windows,"正确","获取文章完成")
if __name__ == '__main__':
    # app = QApplication()
    csdn=CSDN()
    csdn.spider_csdn()
    # csdn.windows.show()
    # app.exec_()

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2022-02-14 21:05:39  更:2022-02-14 21:07:41 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/15 23:40:53-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码