/blog_reprint

博客转载项目(将在线的博客转化为markdown格式文件)，支持CSDN、博客园、简书以及印象笔记的导出文件

Primary LanguagePythonMIT LicenseMIT

blog_reprint

blog__reprint GitHub stars GitHub forks License

blog_reprint是用来将在线或者本地的HTML转换为markdown格式文件的工具，现在内置支持的博客包括：

  • CSDN
  • 博客园
  • 简书
  • 印象笔记(导出本地HTML文件)
  • 自建博客

用法

帮助信息

usage: blog_parse.py [-h] [-b {cnblogs,csdn,evernote,jianshu,others}]
                     [-p OUT_PATH] [-o OUT_FILE] [-u URL] [-c CONTENT_ID]
                     [-t TITLE_ID] [-l LOCAL_HTML] [-i CLOUT_IMAGE_BASE]
                     [-f CLOUT_IMAGE_FOLDER]

reprint blog with markdown

optional arguments:
  -h, --help            show this help message and exit

common parameters in common blogs:
  -b {cnblogs,csdn,evernote,jianshu,others}, --blog_name {cnblogs,csdn,evernote,jianshu,others}
                        which blog the url is from(default cnblogs)
  -p OUT_PATH, --out_path OUT_PATH
                        path to save markdown file( default current folder)
  -o OUT_FILE, --out_file OUT_FILE
                        file to save markdown

blog(other than evernote) specific parameters:
  -u URL, --url URL     url to parse
  -c CONTENT_ID, --content_id CONTENT_ID
                        xpath of content body
  -t TITLE_ID, --title_id TITLE_ID
                        xpath of title

evernote specific parameters:
  -l LOCAL_HTML, --local_html LOCAL_HTML
                        full path of local evernote export html
  -i CLOUT_IMAGE_BASE, --clout_image_base CLOUT_IMAGE_BASE
                        aliyun image link base
  -f CLOUT_IMAGE_FOLDER, --clout_image_folder CLOUT_IMAGE_FOLDER
                        aliyun image link folder

博客园、CSDN、简书

  • 博客园：python blog_parse.py -u https://www.cnblogs.com/zhaof/p/6953241.html -p C:/Users/14910/Desktop
  • CSDN：python blog_parse.py -b csdn -u https://blog.csdn.net/work_you_will_see/article/details/84638750 -p C:/Users/14910/Desktop
  • 简书博客：python blog_parse.py -b jianshu -u https://www.jianshu.com/p/95331e7a98cd -p C:/Users/14910/Desktop

自建博客

  • 得到title的xpath：

get_title_xpath

  • 得到content的xpath：

get_content_xpath

  • 使用命令：python blog_parse.py -b others -c content_xpath -t title_xpath -u post_url -p C:/Users/14910/Desktop

印象笔记

  • 将笔记导出单个html文件
  • 将图片上传到图床，如果上传到图床的某个文件夹，需要指定下面的-f参数
  • 使用命令：python blog_parse.py -l "C:/Users/14910/Desktop/VS code配置.html" -f VS_code配置 -b evernote

开发日志

  • 启动这个项目 2019-3-21

  • 印象笔记转载-API

    • 爬虫的方法，enml-这个就相当于使用印象笔记转markdown的那些工具，效果不好
    • 爬虫，模拟登陆--- failed
    • 既然能够模拟登陆了，那就不用在使用分享链接了啊，直接在网页版的印象笔记操作即可---> failed

  • 博客园

  • CSDN

  • 其他自建博客

  • 爬取文章标题作为新建的markdown文件的标题

  • 提供多种方法，加上另一个html转markdown的工具--->do not have the need

  • 图片链接会自动换行，导致图片显示不出来 fixed with set body_width = 0

  • 图片保留html形式，设置images_as_html=True，但没有起作用

  • 印象笔记导出之前需要将其图片名称进行修改--->两图片的空格替换为%20

  • 参数分组

  • 爬取博客分类然后转化为markdown--->比如这个链接内的内容

  • 增加requirements.txt