巧用Python一网打尽简书全部文章，图片也不放过！

见解分享

2023-12-08 21:11:10

很多小伙伴在使用简书的时候，都遇到过一个问题：如何将自己发表在简书上的文章导出到本地，方便备份或者在其他平台发布？

导出文章本身并不是什么难事，简书提供了文章导出的功能。但遗憾的是，简书导出的文章只包含文字内容，不包含图片 。

对于一篇图文并茂的文章来说，没有图片就相当于缺了半条命。因此，为了真正实现文章的完整导出，我们需要另辟蹊径。

今天，我就给大家分享一个利用 Python 编写的工具，可以一键导出简书中的全部文章（包括图片） 。

一、导出文章文本

首先，我们需要导出文章的文本内容。这可以通过简书提供的导出功能轻松实现。

登录简书，找到要导出的文章。
点击文章右上角的「...」按钮，选择「导出」。
选择「导出为 Markdown」或「导出为 Word」格式。

导出的文件将包含文章的文本内容。

二、下载图片

接下来，我们需要下载文章中引用的所有图片。

使用 Python 的 requests 库获取文章的 HTML 代码。
使用 BeautifulSoup 库解析 HTML 代码，提取所有图片链接。
使用 urllib 库下载图片并保存到本地。

以下 Python 代码演示了如何下载图片：

import requests
from bs4 import BeautifulSoup
import urllib.request

# 获取文章 HTML 代码
html = requests.get(article_url).text

# 解析 HTML 代码
soup = BeautifulSoup(html, "html.parser")

# 提取图片链接
image_urls = [img["src"] for img in soup.find_all("img")]

# 下载图片
for image_url in image_urls:
    urllib.request.urlretrieve(image_url, f"image_{image_urls.index(image_url)}.jpg")

三、替换图片链接

最后，我们需要将文章中的图片链接替换为本地的图片链接。

使用 re 库查找文章中的图片链接。
将匹配到的图片链接替换为本地的图片路径。

以下 Python 代码演示了如何替换图片链接：

import re

# 查找图片链接
image_regex = r"\[!\[.*?\]\((.*?)\)\]"

# 替换图片链接
with open("article.md", "r") as f:
    article_content = f.read()

article_content = re.sub(image_regex, r"![图片]\(\1\)", article_content)

# 保存修改后的文章
with open("article.md", "w") as f:
    f.write(article_content)