如何提取CSDN博客正文内容

document.getElementById("article_content").outerHTML;


在任意的一片博文运行以上代码都可以获得正文内容,但是对于代码、字体都没有渲染,甚是难看。


提取出来的博客关键代码:

<html>
<head>
    <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
    <script src="http://static.blog.csdn.net/scripts/jquery.js" type="text/javascript"></script>
    <link rel="Stylesheet" type="text/css" href="http://static.blog.csdn.net/skin/skin-blue/css/style.css?v=1.1" />
    <link rel="shortcut icon" href="http://c.csdnimg.cn/public/favicon.ico" />
    <link type="text/css" rel="stylesheet" href="http://static.blog.csdn.net/scripts/SyntaxHighlighter/styles/default.css" />
</head>
<body>
<div id="container">
<script type="text/javascript">
    var username = "x_iya";
    var _blogger = username;
    var blog_address = "http://blog.csdn.net/x_iya";
    var static_host = "http://static.blog.csdn.net";
    var currentUserName = "";  
</script>
<div id="body">
<div id="main">
<div class="main">
<div id="article_details" class="details">

<script type="text/javascript">
document.getElementById("article_content").outerHTML;
</script>

</div>                 
</div>
</div>
<script type="text/javascript" src="http://static.blog.csdn.net/scripts/newblog.min.js"></script>
</div>
</body>
</html> 
把正文的div写在<div id="article_details" class="details">here</div>中就可以达到博文的效果了。

js代码:

javascript:document.write("<html> <head> <meta http-equiv='Content-Type' content='text/html; charset=utf-8' /> <script src='http://static.blog.csdn.net/scripts/jquery.js' type='text/javascript'></script> <link rel='Stylesheet' type='text/css' href='http://static.blog.csdn.net/skin/skin-blue/css/style.css?v=1.1' /> <link rel='shortcut icon' href='http://c.csdnimg.cn/public/favicon.ico' /> <link type='text/css' rel='stylesheet' href='http://static.blog.csdn.net/scripts/SyntaxHighlighter/styles/default.css' /> </head> <body> <div id='container'> <script type='text/javascript'> var username = 'x_iya'; var _blogger = username; var blog_address = 'http://blog.csdn.net/x_iya'; var static_host = 'http://static.blog.csdn.net'; var currentUserName = ''; </script> <div id='body'> <div id='main'> <div class='main'> <div id='article_details' class='details'>", document.getElementById("article_content").outerHTML, "</div> </div> </div> <script type='text/javascript' src='http://static.blog.csdn.net/scripts/newblog.min.js'></script> </div> </body> </html>");

在地址栏输入以上JS代码或者在chrome新建一个网页


点击下就可以获得了。

本程序用java编写,运行的时候需要JDK1.5或以上环境,无需安装。程序通过分析CSDN博客源码来生成一些必要的数据,可能在以后使用当中出现爬取不了的情况,可能是CSDN的源码结构修改了。程序只是用于学习之用,严禁用于非法目的而照成CSDN服务器过载。 由于生成PDF的时候需要依赖字库,所以在打包程序的时候把一些必要的字库已经放到程序中去了。可能在生成一些PDF文件的时候出现乱码问题,那是因为里面缺少需要的字库,如遇到这个问题,请和本人联系wyphao.2007@163com #################################################### 程序功能: 1、支持输入CSDN博客用户名针对性下载 2、支持选择保存下载的文件 保存的结构目录为: 选择的保存路径\CSDN用户名\img 该用户的头像保存路径 选择的保存路径\CSDN用户名\pdf 生成的PDF文件保存路径 选择的保存路径\CSDN用户名\doc 生成的DOC文件保存路径 选择的保存路径\CSDN用户名\txt 生成的TXT文件保存路径 3、支持获取用户博客信息 4、支持显示用户所有的帖子列表 5、可以自己选择需要下载的帖子,有全选、反选、重置按钮 6、支持下载的文件保存为 pdf、doc、txt三种格式 7、生成的pdf、doc文件支持图片 8、支持进度显示 #################################################### 制作时间:2012年07月17日 - 2012年07月18日 制 作:w397090770 个人博客:http://blog.csdn.net/w397090770 Email :wyphao.2007@163.com 版权所有,翻版不究 ####################################################
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值