爬虫实现csdn文章一键(批量)更换阅读类型(全部可见、粉丝可见、vip可见)

前言

  • 在IT首屈一指的交流平台上,我们可以看得到csdn在最近的一些进步和变化:如blink文章收益,等等方面。促进和提升文章价值,激发笔者写作分享!这无疑是一件好事。

  • 但csdn依然还有很多不够完善或者需要优化的地方,如推荐算法新出的收益无法一键更改文章阅读类型。这让一些大的博主或者干货很多的博主(成百上千文章)很难有精力一个一个手动修改、维护自己权益。

  • 作为社会新青年、IT从事者。我们清楚公作人员每天为我们服务很忙,不一定照顾到所有群体。笔者本着乐于助人的精神,故自己动手,写个脚本,帮助大家解决心理生理难题!

  • 该方案针对markdown用户。富文本可参考类推。

  • 功能上分为直接全部更改分类更改,分类更改需要多输入一个分类进去的首页url。其他一致!按照提升即可。

  • 如有问题可以联系作者!
    爬虫实现csdn文章一键(批量)更换阅读类型(全部可见、粉丝可见、vip可见)

分析

  • 需求既然有了,那么技术上怎么实现呢?

  • 我们以前彻底的分析过csdn的登录机制,发现csdn很容易登录的。那么我们就可以用着登录的cookie进行我们想要的操作。

获取文章链接、id

我们要找到自己站点的所有文章的url和id。因为我们可能会根据文章id进行操作。
思路:

  • 从登录的cookie种找到你的id,进入csdn主页。

  • 解析主页的信息获取页数,这里说一下。他的页数是js动态加载进去的,并不是直接渲染,如果非得头铁debug找也没问题。但是页数和总文章数有关系。因为一页最多只能有20篇文章!解析这些,你就能获取所有文章链接id

分析markdown文本

  • 对任意一个文章、检查编辑。查看元素获取下来链接。你会发现链接是有规律的。跟文章id有关。

  • 进入之后,你会发现这个是md好像提不出什么信息。点击提交看看ajax请求把。

  • 这些参数没加密。都是原文。我想这个md文件csdn怎么提取。还能根据h5规则反向提取?csdn没那么强吧。肯定有其他方案。仔细观察发现加载时候有个xhr文件有了所有信息。我们只需要进行修改部分即可。

代码编写

  • 思路清晰,流程大致为

依赖外部包:bs4requests
python代码为(没用多进程,简单用了下多线程,执行完手动结束关闭)

import  requests
from bs4 import BeautifulSoup
import json
import threading
from queue import Queue
queue= Queue()
header={'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36',
       'referer':'https://passport.csdn.net/login',
       'origin':'https://passport.csdn.net',
       'content-Type':'application/json;charset=UTF-8',
       'x-requested-with':'XMLHttpRequest',
       'accept':'application/json, text/plain, */*',
       'accept-encoding':'gzip, deflate, br',
       'accept-language':'zh-CN,zh;q=0.9',
        'connection': 'keep-alive'
        ,'Host': 'passport.csdn.net'
       }
data={"loginType":"1","pwdOrVerifyCode":"",' \
    '"userIdentification":"","uaToken":"",' \
    '"webUmidToken":""}
cookies=""
type='public'
## 登录
def login(usename,password):
   global cookies
   global data
   loginurl = 'https://passport.csdn.net/v1/register/pc/login/doLogin'
   data['userIdentification']=usename
   data['pwdOrVerifyCode']=password
   data=str(data)
   print(data)
   req = requests.post(loginurl, data=data, headers=header)
   cookies = requests.utils.dict_from_cookiejar(req.cookies)
   res = req.text
   print(req.status_code)
   print(cookies)
   url="https://blog.csdn.net/"+str(cookies['UN'])
   return url
#将url文章添加到queue
def addurl(url):
   req2 = requests.get(url, cookies=cookies)
   soup = BeautifulSoup(req2.text, 'lxml')
   ##获取页数
   pagetotal = soup.select(".text-center")[0].get("title")
   pagetotal = (int)(((int)(pagetotal) + 19) / 20);
   print(pagetotal)
   for index in range(pagetotal):
       url2 = url+"/article/list/" + str(index + 1)
       print(url2)
       req = requests.get(url2, cookies=cookies)
       soup = BeautifulSoup(req.text, 'lxml')
       pages = soup.find(id='mainBox').find_all(attrs={'class': 'article-item-box'})
       for page in pages:
           try:
               href = page.find("a").get("href")
               id = href.split("/")
               id = id[len(id) - 1]
               print(href, id)
               queue.put(id)
           except Exception as e:
               print(e)
def addurl_by_type(url):
   req2 = requests.get(url, cookies=cookies)
   soup = BeautifulSoup(req2.text, 'lxml')
   ##获取页数
   pagetotal = soup.select(".text-center")[0].get("title")
   pagetotal = (int)(((int)(pagetotal) + 19) / 20);
   print(pagetotal)
   for index in range(pagetotal):
       url2 = url + "/" + str(index + 1)+"?"
       print(url2)
       req = requests.get(url2, cookies=cookies)
       soup = BeautifulSoup(req.text, 'lxml')
       pages = soup.find(id='mainBox').find_all(attrs={'class': 'article-item-box'})
       for page in pages:
           try:
               href = page.find("a").get("href")
               id = href.split("/")
               id = id[len(id) - 1]
               print(href, id)
               queue.put(id)
           except Exception as e:
               print(e)

def change(id):
   global read_needType
   url3 = "https://mp.csdn.net/mdeditor/" + str(id) + "#"
   # req = requests.get(url3, cookies=cookies)
   url = "https://mp.csdn.net/mdeditor/getArticle?id=" + str(id)
   req = requests.get(url, cookies=cookies)
   res = req.json()
   data = res['data']
   # for i in data:
   #     print(i)

   print(res)
   data['readType'] = read_needType
   #print(data['readType'])

   url = "https://mp.csdn.net/mdeditor/saveArticle"
   req = requests.post(url, cookies=cookies, data=data)
   res = req.text
   #print(res)


class downspider(threading.Thread):
   def __init__(self, threadname, que):
       threading.Thread.__init__(self)
       self.threadname = threadname
       self.que = que
   def run(self):
       print('start thread' + self.threadname)
       while True:
           try:
               print(self.name,end='')
               id=queue.get()
               change(id)
           except Exception as e:
               print(e)
               break

if __name__ == '__main__':
   url=""
   threads=[]
   read_needType=['public','read_need_fans','read_need_vip']
   name=input("name:")
   password=input("password:")
   print("type:\n1:全部可看 \n2关注可看 \n3vip会员可看")
   value=input("请输入数字")
   value=int(value)-1
   read_needType=read_needType[value]
   print("type:\n1:全部更改 \n2更改一个分类")
   all_or_type=input("输入更改范围(数字)")
   all_or_type=int(all_or_type)

   if all_or_type==1:
       url=login(name,password)
       addurl(url)
   else:
       print("输入分类首页url:")
       url=input("url:")
       login(name,password)
       addurl_by_type(url)
   print(url)

   threadList = ['thread-1', 'thread-2', 'thread-3', 'thread-4', 'thread-5']
   for j in threadList:
       thread = downspider(j, queue)
       thread.start()
       threads.append(thread)
   for t in threads:
       t.join()


执行测试

  • 执行

爬虫实现csdn文章一键(批量)更换阅读类型(全部可见、粉丝可见、vip可见)
爬虫实现csdn文章一键(批量)更换阅读类型(全部可见、粉丝可见、vip可见)

  • 粉丝可见
    爬虫实现csdn文章一键(批量)更换阅读类型(全部可见、粉丝可见、vip可见)

  • 还原
    爬虫实现csdn文章一键(批量)更换阅读类型(全部可见、粉丝可见、vip可见)


上一篇:注册VIP邮箱收费吗?选择163vip邮箱技巧


下一篇:分享一款能看所有VIP影视的软件APP