代码如下：
from zhihu_oauth import ZhihuClient from zhihu_oauth.exception import NeedCaptchaExceptionfrom docx import Documentfrom docx.shared import Inchesfrom w3lib.html import remove_tagsimport urllib.requestfrom io import StringIOimport subprocessimport redocument = 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(‘[email protected]‘, ‘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。
时间： 2024-09-29 08:00:04