1.码云:https://gitee.com/pythonywy/html_to_md
2.github:https://github.com/a568972484/html_to_md
需要安装的python模块
pip3 install requests
pip3 install lxml
pip3 install beautifulsoup4
代码以更新可以运行Crawl_blog_post_6.1.py
,可以运行visual.exe
,exe文件就不用安装依赖
- 功能一:批量爬取博客园首页的所有随笔字典并保存JSON文件,且随笔全部转成MD格式文件
- 功能二:输入指定随笔网址把随笔内容转成MD并且保存
- 功能三:爬取某个分目录下博客
- 功能四: 按照分类爬取分类下所有博客,内容添加hexo传输内容包括标题,日期,方便个人博客搭建
由于不同博客具有不同的见状性`要根据博客能让进行适当的修改就可以使用此程序
程序没有加入多进程
与多线程
进去增加博客园的负担
爬取内容请不要用做商业用途
初衷主要是为了帮助博主把已上传的随笔下载至本地方便修改
2019.7.20
增加了功能
功能介绍:爬取某个分目录下博客
版本升级至5.0,增加了可视化界面可视化界面exe程序,增加了见状性,
只需下载exe运行即可
温馨提示:
程序由可能会被流氓杀毒软件屏蔽请自行恢复
绝对无毒的,没有添加任何恶意信息
运行程序第一功能和第三功能会因为博客数量多出现卡顿,由于本人对程序理解还不深刻没能找到解决办法,请大家见谅请不要关闭程序,结束后会自动出现数据的
都是自学的一些模块可能会有点理解不到位请大家见谅,需要原代码的解压密码私聊我就好了.
核心代码在'core_code.py'中注释都加全了
2019.8.21
增加了功能
功能介绍:按照分类爬取分类下所有博客,内容添加hexo传输内容包括标题,日期,方便个人博客搭建
exe文件没有更新,更新了核心文件
修复了:无法获取博客内容
md文本内容匹配更加规范,内容更加完善
2019.9.2
版本更新至6.1
- 修正了匹配规则
- 修正了li与ul标签
- 修正了```格式
- 修正了最后一行会出现宫格
- 我将可视化界面代码全部展示了,但是版本还是5.版本的
2019.10.16
- 生成可视化解码
2019.10.18
- 修正批量爬取文件标题匹配不到倒bug修正匹配格式
- exe文件还未
更新
,py程序已更新
2019.10.29
- 修正保存文件时候由于
/
或者\
等特殊符号出现导致路径保存失败
2020.12.28
- 可视化界面修复,功能1与3等待时间快慢由文章数量多少而定
该程序只为了帮助学习
码云名称:YWY
码云链接:https://gitee.com/pythonywy
github_id:a568972484
github_url:https://github.com/a568972484
作者博客:小小咸鱼ywy
博客链接:`https://www.cnblogs.com/pythonywy
希望得到大家相关体验,好进行后续的改进,谢谢