知乎文章导成pdf |
您所在的位置：网站首页 › ps4版本可以倒退吗知乎文章下载 › 知乎文章导成pdf |
知乎文章导成pdf
|
在知乎上写的内容越来越多，于是也想导出来看看是什么情况，结果还真的可以导出成功。于是将过程记录如下。
相比手动一篇篇把文章拷贝下来，那肯定枯燥无味，又非常累，像这种重复性的工作，由计算机程序来完成最为合适。 在github上面一搜，果然有程序帮助实现这个功能，代码是python，代码下载地址：https://github.com/ronething/ZhiHuZhuanLanToPDF
我之前没太用过python，所以下面就从最开始安装python说起。 一、安装python环境人家是python代码，那我肯定有一个软件来执行这个代码，我下的是visual studio 2019，学习怎么运行python。 Visual Studio 中的 Python 教程步骤 1，创建项目 | Microsoft Docs Visual Studio 中的 Python 教程步骤 2，编写和运行代码 | Microsoft Docs 然后把下载来的python代码，放到同一个项目中。
点击左下角的python环境，安装三个包：requests、bs4、pdfkit
1、将author中的单引号内容，换成自己的专栏名字
2、修改get_html 要将soup = BeautifulSoup(html, 'lxml')这一行换成soup = BeautifulSoup(html, 'html.parser')，原因如下：Python3.6爬虫报错处理bs4.FeatureNotFound: Couldn't find a tree builder wi_夏草v的博客-CSDN博客_bs4.featurenotfound 3、用wkhtmltopdf转成pdf
代码中给出了两种由html转pdf的函数，一个是to_pdf（），一个是get_args（），都需要用到wkhtmltopdf，在下面这个网址也给出了下载链接。 https://github.com/ronething/ZhiHuZhuanLanToPDF 安装完wkhtmltopdf后，需要添加到环境变量。 （1）电脑->属性->高级系统设置->环境变量->点击系统变量的Path
（2）再点击编辑->编辑文本->然后把wkhtmltopdf安装的位置放进变量值里面，注意前后有分号“；” 4、to_pdf 需要在to_pdf中的import，后面增加一行。 def to_pdf(): import pdfkit config=pdfkit.configuration(wkhtmltopdf=r"C:\Program Files\wkhtmltopdf\bin\wkhtmltopdf.exe") print('exporting PDF...') htmls = [] for root, dirs, files in os.walk('.'): print(root) print(dirs) print(files) htmls += [name for name in files if name.endswith(".html")] print(htmls) pdfkit.from_file(sorted(htmls), author + '.pdf',configuration=config) print("done")5、右键zhihuzhuanlan.py将其设置为启动文件 6、点击“启动”
7、在PythonApplication1相同路径位置处，就出现了一份pdf。 三、留有问题1、上面我只将to_pdf试验成功了，get_args没有试验成功。 2、导出来的Pdf，优点：文章链接还保存，文字都有。缺点：文字偏小，原文中图片较大的有的放不下，想数学公式不能正常显示。
针对图片显示和文字排版的问题，增加下面几行代码： content = '%s%s%s' % ( title, content,strmath) str = """ body { margin: 0 50px; } p { text-indent: 2em; } # 文字首行缩进2em img { width: 100%; } # 图片显示中间 不超出 pre { white-space: pre-wrap; word-wrap: break-word; } # 代码段自动换行 .ztext-math { display: inline-block; } """ content = content + str with open(file_name, 'w', encoding='utf-8') as f: f.write(content) time.sleep(2)针对数学公式显示的问题，讲下面这一句放入到Content之前： strmath = '' #解析数学公式在解析公式的时候需要有一定的时间，'javascript-delay':'10000'。 config = pdfkit.configuration(wkhtmltopdf=r"D:\Program Files\wkhtmltopdf\bin\wkhtmltopdf.exe") optionstemp = { 'enable-local-file-access': '--enable-local-file-access', 'enable-internal-links': '--enable-internal-links', 'enable-javascript':'--enable-javascript', # 'javascript - delay' :'--javascript - delay < 300 >', 'javascript-delay':'10000', 'no-stop-slow-scripts':'--no-stop-slow-scripts', 'debug-javascript':'--debug-javascript', 'enable-forms':'--enable-forms', 'disable-smart-shrinking':'--disable-smart-shrinking' } print('exporting PDF...') htmls = [] for root, dirs, files in os.walk('.'): print(root) print(dirs) print(files) htmls += [name for name in files if name.endswith(".html")] print(htmls) # pdfkit.from_file(sorted(htmls), author + '.pdf', configuration = config, options={"enable-local-file-access":True}) pdfkit.from_file(sorted(htmls), author + '.pdf', configuration=config, options=optionstemp) print("done")较为完整的关键代码如下： def get_html(aid, title, index): title = re.sub('[\/:*?"|]', '-', title) # 正则过滤非法文件字符 print(title) file_name = '%03d. %s.html' % (index, title) if os.path.exists(file_name): print(title, 'already exists.') return else: print('saving', title) url = 'https://zhuanlan.zhihu.com/p/' + aid html = requests.get(url, headers=headers).text # 知乎图床重处理（此处储存的是品质略差的图片） # html = re.sub(r'.*?', '', html) # ImgObj = re.findall(r' |
【本文地址】
今日新闻 |
推荐新闻 |