python博客爬虫算法

admin管理员组

文章数量:1437903

python博客爬虫算法

博客爬虫算法

我希望从某些网站，把博客文章保存成本地的md文件，用python实现

不管你怎么想，反正我是成功了

step1:C:\Users\wangrusheng\PycharmProjects\FastAPIProject1\hello.py

```python

import requests

from bs4 import BeautifulSoup

import html2text # 新增HTML转Markdown库

# 目标文章URL

url = ''

# 设置请求头模拟浏览器

headers = {

'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'

}

try:

# 发送HTTP请求

response = requests.get(url, headers=headers)

response.raise_for_status()

# 解析HTML内容

soup = BeautifulSoup(response.text, 'html.parser')

# 查找文章主体

article_content = soup.find('div', {'id': 'content_views'})

if article_content:

# 创建HTML转Markdown转换器

h = html2text.HTML2Text()

h.body_width = 0 # 禁用自动换行

h.emphasis_mark = '*' # 设置斜体符号

h.strong_mark = '**' # 设置加粗符号

h.ul_item_mark = '-' # 设置无序列表符号

# 转换HTML内容为Markdown

md_content = h.handle(str(article_content))

# 保存到文件

with open('csdn_article2.md', 'w', encoding='utf-8') as f:

f.write(md_content)

print('文章已成功保存为Markdown格式！')

else:

print('未找到文章内容，请检查页面结构。')

except requests.exceptions.RequestException as e:

print(f'请求出错：{e}')

except Exception as e:

print(f'发生错误：{e}')

```

end

本文标签： python博客爬虫算法