标签：stringio 直接 sha 解决 exce blog tag 模块 oauth
代码如下：
from zhihu_oauth import ZhihuClient
from zhihu_oauth.exception import NeedCaptchaException
from docx import Document
from docx.shared import Inches
from w3lib.html import remove_tags
import urllib.request
from io import StringIO
import subprocess
import re
document = Document()
client = ZhihuClient()
try: client.login(‘username‘, ‘pass‘) except NeedCaptchaException: # 保存验证码并提示输入，重新登录 with open(‘a.gif‘, ‘wb‘) as f: f.write(client.get_captcha()) captcha = input(‘please input captcha:‘) client.login(‘898311543@qq.com‘, ‘1818039565‘, captcha) p = re.compile(‘<img.*>‘) num = input(‘请输入问题序号：‘) question = client.question(int(num)) i = 0; file = open(question.title+‘.html‘,‘w‘) file.write(‘<html><head></head><body>‘) # document.add_heading(question.title, 0) file.write(‘<h1>‘+question.title+‘</h1>‘) for answer in question.answers: # print(question.answers[0].content.replace(‘<br>‘,‘\n‘)) # print(question.answers[0].voteup_count) print(answer.author.name) # document.add_paragraph("回答者："+answer.author.name+‘\t‘+‘赞数：‘+str(answer.voteup_count), style=‘IntenseQuote‘) # document.add_paragraph(remove_tags(answer.content, keep=(‘img‘,))) # document.add_page_break() file.write(‘<br><br>‘+"回答者："+answer.author.name+‘ ‘+‘赞数：‘+str(answer.voteup_count)) file.write(‘<p>‘+answer.content+‘</p>‘) i=i+1 if(i>50): break #document.save(str(question.title)+‘.docx‘) file.write(‘</body></html>‘) file.close() subprocess.call([‘pandoc‘,question.title+‘.html‘,‘-o‘,question.title+‘.docx‘]) subprocess.call([‘rm‘,‘-rf‘,question.title+‘.html‘])
参考资料：https://github.com/7sDream/zhihu-oauth
这段代码主要利用zhihu-oauth实现对知乎内容的获取，这个项目很好的对知乎的API进行了封装并且非常容易的实现知乎的各种操作。
在Ubuntu系统下通过
pip install -U zhihu_oauth
可以安装zhihu_oauth模块。为以后下载做好准备。
在下载知乎文章中主要遇到的问题是，不好处理图片。
当直接将content保存到docx中的时候，会直接将<img>标签保存到docx中，不好处理。后来在issue中找到了比较好的解决方案。
一种解决方案是直接保存成html然后用pandoc转码。具体的代码实现可以参考上面的代码。
标签：stringio 直接 sha 解决 exce blog tag 模块 oauth
原文地址：http://www.cnblogs.com/shubin/p/7511737.html
