前言
上回说道:我已经用Puppeteer把CSDN的文章导出成了PDF。上回请看这里: Puppeteer:使用总结(一) 如何使用Puppeteeer导出网页中选中的内容
那么接着上一次的最后一个问题,这真的是我想要的吗?不,这不是
要是这是一个项目或者产品,我早被产品经理,项目经理,老板,客户,QA KO无数回了。为啥?难道我每次使用都要去改动代码?去改URL,去改文件名?No,No,No
首先我自己这一关就过不了,花了这么多精力写出一个东西来,然后你给我讲每次使用还要修改代码。自己撞墙算了。
不会炒菜的程序员不是好的产品经理。(什么鬼,我也不知道)
总之技术问题解决了,我还得继续努力让他变得好用起来。
目录
自动生成文件名
既然每个CSDN博文都有标题,那么我们是不是可以把它作为PDF的文件名呢?答案当然是可以的。
先查看Puppeteer的API,找到这么个方法:
page.title()v0.9.0
很好,这就是我想要的。
接下来修改我们的代码如下:
首先获取title:
let title= await page.title();
然后修改PDF文件名:
await page.pdf({
path: title+'.pdf',
format: 'A4'
走你:
npm csdntopdf.js
效果看起来不错哈,自动生成了文件名:
嗯,文件名是有了,但是总感觉哪里不对。哦哦,对了后面那个什么xxx的博客-CSDN博客就可以不要了吧。毕竟文章里面已经保留了版权信息,减少点文件名的长度也是好的。
去掉多余的文件名
先观察一下文件名组成:
标题+下划线+xxx的博客+中划线+CSDN博客.pdf
所以后半部分几乎是固定的下划线+xxx的博客+中划线+CSDN博客.pdf,只有博主名是变的,感觉应该可以用正则式去掉:
/[_](.+)的博客[-]CSDN博客$/gi
继续修改取title的代码:
let title = await page.title();
title = title.replace(/[_](.+)的博客[-]CSDN博客$/gi, '')
不出意外,去掉了后面的字符串。
去掉特殊字符
看文章表里里面还有“:”这样的特殊字符,这些字符在文件系统里是不被允许的,我这里虽然保存成功了,是因为那个字符不是ASCII码而是中文字符。所以为了将来少点bug,顺带就把这个处理了。
先找到文件名中不允许的特殊字符:
好说,再使用一个正则表达式把他们一一去掉: