Python將博客內(nèi)容html導出為Markdown格式

更新時間：2025年04月04日 16:12:27 作者：DriverWon

Python將博客內(nèi)容html導出為Markdown格式,通過博客url地址抓取文章,分析并提取出文章標題和內(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，逐個手動CV復制粘貼不僅效率低下，還容易出錯，而且還面臨格式調(diào)整的問題。為了簡化這一流程，這里嘗試使用Python來自動化處理，確保文章內(nèi)容的準確性和一致性。

二、準備如何搞？

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

在文章新家導入生成的Markdown文件。

三、說搞咱就搞！

抓取文章

在瀏覽器中（Google Chrome）輸入博客網(wǎng)頁地址，并F12打開開發(fā)者工具

選中Doc，在Response中看到響應結(jié)果是html文檔

Python實搞：博客內(nèi)容導出為Markdown_爬蟲

在Headers中復制出User-Agent，以便模擬瀏覽器的請求

Python實搞：博客內(nèi)容導出為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實搞：博客內(nèi)容導出為Markdown_Python_03

可見Python抓取結(jié)果和瀏覽器中的響應結(jié)果一致

提取內(nèi)容

分析響應結(jié)果html

標題在articleContentId中

Python實搞：博客內(nèi)容導出為Markdown_實戰(zhàn)_04

內(nèi)容在content_views中

Python實搞：博客內(nèi)容導出為Markdown_markdown_05

Python代碼

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

import parsel

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

Python實搞：博客內(nèi)容導出為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實搞：博客內(nèi)容導出為Markdown_爬蟲_07