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!

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
    在这里插入图片描述

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。
    在这里插入图片描述
  • 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。
    在这里插入图片描述
    在这里插入图片描述
  • 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。
    在这里插入图片描述

代码编写

  • 思路清晰,流程大致为
    在这里插入图片描述

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']
    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:有一键所有和分类栏目,根据提示输入即可!

在这里插入图片描述
在这里插入图片描述

  • 粉丝可见
    在这里插入图片描述

  • 还原
    在这里插入图片描述

说在后面的话

  • 谨慎使用,杜绝修改,该崩了、错了文章可能全部完蛋!

  • 仅仅为了方便一些博主操作,正确使用自己权益。

  • 如果有效请务必留言点赞,给广大朋友一个安慰!

  • 因为时间原因,白天复习,时间有限,如果有需要java多线程版如果人多可以留言明天补上。夜深了,凌晨1.30.该睡了。

  • 谢谢各位阅读看完支持。

  • 如果对后端、爬虫、数据结构算法等感性趣欢迎关注我的个人公众号交流:bigsai

发布了192 篇原创文章 · 获赞 1770 · 访问量 61万+

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 代码科技 设计师: Amelia_0503

分享到微信朋友圈

×

扫一扫,手机浏览