前景

在轉載別人部落格的時候通常我們會通過複製html然後放到編輯器裡面， 但是通常html裡有很多雜七雜八的東西， 比如script， svg這些標籤導致排版出現問題

例如由lu標籤引起的

由svg標籤引起的

當然要說你直接把不要的東西刪除也可以， 但是作為一個程式設計師，能用電腦做的事當然是不用自己做啦， 於是就有了下面一步

程式碼實現

程式碼採用Python， 因為Python有BeautifulSoup，能很好的處理html檔案， 例如指定標籤刪除等， 所以就採用Python3來寫這些程式碼。

分析出現排版問題的原因

• 程式碼行下方出現數字是因為 有

  
  

• 開頭顯示不正常 是因為註釋和

<svg>

如何去除指定標籤和註釋

#去除屬性ul
[s.extract() for s in soup("ul")]
# 去除屬性svg
[s.extract() for s in soup("svg")]
# 去除屬性script
[s.extract() for s in soup("script")]

Python程式碼

# 輸入網址把 html變成md
import requests
import time

from bs4 import BeautifulSoup,
 
 Comment
def get_page_source(url):
    try:
        r = requests.get(url, timeout=30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return "failed"

if __name__ == '__main__':

    blogUrl = "https://blog.csdn.net/qq_36124194/article/details/83686823"
 


    #blogUrl = input("請輸入轉載地址\n")


    blogText = get_page_source(blogUrl)

    soup = BeautifulSoup(blogText, 'html.parser')

    #去除屬性ul
    [s.extract() for s in soup("ul")]
    # 去除屬性svg
    [s.extract() for s in soup("svg")]
    # 去除屬性script
    [s.extract() for s in soup("script")]
    #去除註釋
    comments = soup.findAll(text=lambda text: isinstance(text, Comment))
    [comment.extract() for comment in comments]
    #得到正文
    articleText = soup.find('div', attrs={'class': 'markdown_views prism-atom-one-dark'})
    # 加入 轉載地址說明
    finalStr = "## 轉載地址   \n" + "## " +blogUrl + "  \n" + str(articleText)

    print(finalStr)