快捷導(dǎo)航

Python將博客內(nèi)容html導(dǎo)出為Markdown格式

更新時(shí)間：2025年04月04日 16:12:27 作者：DriverWon

Python將博客內(nèi)容html導(dǎo)出為Markdown格式,通過(guò)博客url地址抓取文章,分析并提取出文章標(biāo)題和內(nèi)容,將內(nèi)容構(gòu)建成html,再轉(zhuǎn)換為Markdown文件

一、為什么要搞？

有一部分博客文章需要搬家，逐個(gè)手動(dòng)CV復(fù)制粘貼不僅效率低下，還容易出錯(cuò)，而且還面臨格式調(diào)整的問(wèn)題。為了簡(jiǎn)化這一流程，這里嘗試使用Python來(lái)自動(dòng)化處理，確保文章內(nèi)容的準(zhǔn)確性和一致性。

二、準(zhǔn)備如何搞？

通過(guò)博客url地址抓取文章，分析并提取出文章標(biāo)題和內(nèi)容，將內(nèi)容構(gòu)建成html，再轉(zhuǎn)換為Markdown文件。

在文章新家導(dǎo)入生成的Markdown文件。

三、說(shuō)搞咱就搞！

抓取文章

在瀏覽器中（Google Chrome）輸入博客網(wǎng)頁(yè)地址，并F12打開(kāi)開(kāi)發(fā)者工具

選中Doc，在Response中看到響應(yīng)結(jié)果是html文檔

Python實(shí)搞：博客內(nèi)容導(dǎo)出為Markdown_爬蟲

在Headers中復(fù)制出User-Agent，以便模擬瀏覽器的請(qǐng)求

Python實(shí)搞：博客內(nèi)容導(dǎo)出為Markdown_爬蟲_02

Python代碼

requests模擬瀏覽器抓取文章

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實(shí)搞：博客內(nèi)容導(dǎo)出為Markdown_Python_03

可見(jiàn)Python抓取結(jié)果和瀏覽器中的響應(yīng)結(jié)果一致

提取內(nèi)容

分析響應(yīng)結(jié)果html

標(biāo)題在articleContentId中

Python實(shí)搞：博客內(nèi)容導(dǎo)出為Markdown_實(shí)戰(zhàn)_04

內(nèi)容在content_views中

Python實(shí)搞：博客內(nèi)容導(dǎo)出為Markdown_markdown_05

Python代碼

使用parsel的Selector解析抓取到的文章，css選擇器提取標(biāo)題和內(nèi)容

import parsel

selector = parsel.Selector(res.text)  # 創(chuàng)建Selector解析對(duì)象
title = selector.css('#articleContentId::text').get()  # CSS選擇器提取文章標(biāo)題
print(title)
print("="*100)
content = selector.css('#content_views').get()  # CSS選擇器提取文章內(nèi)容
print(content)

Python實(shí)搞：博客內(nèi)容導(dǎo)出為Markdown_markdown_06

構(gòu)建html

將提取到的content構(gòu)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>
"""

轉(zhuǎn)存markdown

html2text將構(gòu)建好的html轉(zhuǎn)換為markdown文件

from html2text import html2text

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

markdown文件內(nèi)容如下圖：

Python實(shí)搞：博客內(nèi)容導(dǎo)出為Markdown_爬蟲_07

搬入新家

在新家中導(dǎo)入保存的.md文件

Python實(shí)搞：博客內(nèi)容導(dǎo)出為Markdown_Python_08

文章中的文字、圖片、代碼塊以及格式都完美搬入新家

到此這篇關(guān)于Python將博客內(nèi)容html導(dǎo)出為Markdown格式的文章就介紹到這了,更多相關(guān)Python將html導(dǎo)出為Markdown內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: