源码教学，如何提取知乎问答中的回复

摘要

众所周知，现在网页上面的内容。如果遇到优秀的资源和文章，如果不尽快保存下来的话，可能过段时间就被屏蔽或者下架了，那么在这种前提下，如何以较为完整的格式和模板，将所需的内容保存下来，已经成为我们的必修课。

文章给大家提供如何快速保存指定的知乎问答回复的内容。

找到所要提取的指定内容

必须根据指定的回答链接才可以提取，例如下图这种

如果是只有问题的链接，没有回答的链接，怎么处理呢？

根据你所需要的保存到回答，找到该答主的个人主页，根据回答问题的时间，找到该回答

之后点击该问题的标题，即可以跳转到该用户回答的链接地址，即可以进行提取

根据链接信息提取文章内容，代码如下：

import os
import requests
from bs4 import BeautifulSoup
import base64
import imghdr
import sys
"""用于爬取知乎上面的指定回答"""def fetch_url_content(url):try:headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}response = requests.get(url, headers=headers)response.raise_for_status()response.encoding = response.apparent_encodingreturn response.textexcept Exception as e:print(f"获取URL内容时发生错误: {url}。错误信息: {e}")return Nonedef extract_answer_content(html_content):soup = BeautifulSoup(html_content, 'html.parser')answer = soup.find('div', class_='RichContent-inner')if answer:return str(answer)else:return Nonedef embed_images_in_base64(html_content):soup = BeautifulSoup(html_content, 'html.parser')images = soup.find_all('img')prev_image_src = Nonefor img in images:image_url = Noneif 'data-actualsrc' in img.attrs:image_url = img['data-actualsrc']elif 'src' in img.attrs:image_url = img['src']if not image_url or image_url.startswith('data:image'):continue# 如果相邻的图像具有相同的src属性，则删除一个if prev_image_src == image_url:img.extract()continueresponse = requests.get(image_url)response.raise_for_status()image_data = response.contentimage_ext = imghdr.what(None, image_data)if not image_ext:print(f'未知的图片格式: {image_url}')continuebase64_encoded_image = base64.b64encode(image_data).decode('utf-8')data_uri = f'data:image/{image_ext};base64,{base64_encoded_image}'img['src'] = data_uriprev_image_src = image_urlreturn str(soup)def save_answer_to_html(answer_content, file_path):html_template = '''
<!DOCTYPE html>
<html lang="en">
<head><meta charset="UTF-8"><meta name="viewport" content="width=device-width, initial-scale=1.0"><title>知乎答案</title><style>body {{font-family: -apple-system, BlinkMacSystemFont, 'Segoe UI', Roboto, Helvetica, Arial, sans-serif, 'Apple Color Emoji', 'Segoe UI Emoji', 'Segoe UI Symbol';font-size: 16px;line-height: 1.6;color: #333;max-width: 800px;margin: 0 auto;padding: 20px;}}img {{max-width: 100%;height: auto;}}</style>
</head>
<body>{content}
</body>
</html>
'''with open(file_path, 'w', encoding='utf-8') as f:f.write(html_template.format(content=answer_content))def main(save_dir=None):print("请输入知乎问题/答案的URL：")zhihu_answer_url = input()print("请输入输出文件的路径（按Enter默认当前工作路径）：")save_dir = input()if not save_dir.strip():save_dir = os.getcwd()  # 默认当前工作路径else:save_dir = os.path.abspath(save_dir)   # 它会将相对路径转换为绝对路径，以便程序可以正确找到文件或目录。# 无论用户输入相对路径还是绝对路径，程序都能正确地输出HTML文件到指定的位置。# 将最终下载的内容保存到outputfile文件夹中save_dir = os.path.join(save_dir, 'outputfile')# 确保 outputfile 文件夹存在，如果不存在则创建if not os.path.exists(save_dir):os.makedirs(save_dir)# 获取答案的HTML内容html_content = fetch_url_content(zhihu_answer_url)if not html_content:print("无法获取答案HTML内容")return# 提取答案中的文字和图片answer_content = extract_answer_content(html_content)if not answer_content:print("无法提取答案内容")return# 将图片转换为Base64并嵌入到答案内容中answer_content_with_embedded_images = embed_images_in_base64(answer_content)# 将答案内容保存为HTML文件if not os.path.exists(save_dir):os.makedirs(save_dir)html_file_path = os.path.join(save_dir, 'answer.html')save_answer_to_html(answer_content_with_embedded_images, html_file_path)print(f"答案已保存到: {html_file_path}")# 下载完成后，并打开# output_file_path = os.path.join(save_dir, 'answer.html')  # 具体可能需要替换# webbrowser.open(output_file_path)if __name__ == "__main__":main()os.system('pause')   # 按任意键继续。

当图片无法加载出来的时候，使用兼容模式ie浏览器

exe文件提取

如果不想运行代码，可以直接使用封装好的exe文件进行处理

链接：https://pan.baidu.com/s/1K6rodH5iXUHdUf_PyB_1mg?pwd=75ec
提取码：75ec

源码教学，如何提取知乎问答中的回复相关推荐

1.是人就能学会的Spring源码教学-总览
是人都会的Spring源码教学-总览练武不练功,到老一场空.学IT,不学源码,那么就可能变成挨踢.对源码的学习就是程序员的内功,体现了一个IT人员的真正的实力. 我认为对于一门技术的学习分为三个阶段 ...
自动发邮件的程序 c语言,5分钟！教你用C语言发送邮件：附送源码+教学！
5分钟!教你用C语言发送邮件:附送源码+教学!-1.jpg (10.71 KB, 下载次数: 0) 2018-9-3 02:21 上传关注<一碳科技>,获取更多知识! 前言相信年夜家都 ...
php加密解密p源码可以吗,论如何做好PHP的加密解密呐，源码教学
原标题:论如何做好PHP的加密解密呐,源码教学各位朋友,大家下午好! 今天给大家带来的是如何做好PHP的加密解密呐,源码教学! 这里需要用到一款 PHP加密解密类库! 由于类库的源码比较长,需 ...
在线教育网站源码教学视频加速的解决方案
互联网高速发展的今天,在线教育作为一种新兴教育方式,引得越来越多的教育培训机构参与其中,决定找专业服务商选择优质的在线教育网站源码,搭建出属于教育培训机构自己的在线教育网站.从服务商的角度来看,所涉及 ...
Apache源码包在LINUX（CENTOS6.8)中的安装（出现问题及解决）
任务:在CENT6.8系统中安装Apache(版本为:httpd-2.4.41) 前提:由于源码包必须先编译后安装,所以必须先安装编译器:gcc 理论步骤: 1.检测gcc软件包,如果不存在则进行安装 ...
Alibaba Druid 源码阅读（四）数据库连接池中连接获取探索
Alibaba Druid 源码阅读(四) 数据库连接池中连接获取探索简介上文中分析了数据库连接池的初始化部分,接下来我们来看看获取连接部分的代码数据库连接池中连接获取下面的相关的代码,在代码 ...
直播源码搭建教程之在h5 video中的直播
直播源码搭建教程之在h5 video中的直播直播越来越成为趋势,因为疫情的冲击,不管是直播带货还是直播教育等等,将线上模式推上了巅峰- 因为业务和兴趣关系,稍微研究了一下在H5中直播的相关知识. P ...
ORB-SLAM2源码特征点提取
初始化图像金字塔相关变量: 变量名描述配置从TUM1.yaml读入(初始值) int nfeatures 指定要提取的特征点数目 ORBextractor.nFeatures: 1000 floa ...
【源码分享】医生健康科普问答咨询平台（前端+后台）带手机端
医生健康科普问答咨询平台(前端+后台)源码带手机端开发语言 : C# 数据库 : SQL2008 开发工具 : VS2017 源码类型:全开源免费分享,需要源码学习可私信我. 系统概述: 医生健康科 ...

源码教学，如何提取知乎问答中的回复

摘要

找到所要提取的指定内容

根据链接信息提取文章内容，代码如下：

exe文件提取

源码教学，如何提取知乎问答中的回复相关推荐

最新文章

热门文章