CSDNExporter-master
CSDNExporter-master是一个导出 CSDN 博客至 Markdown 或 PDF 格式的工具。
该笔记记录了我在使用CSDNExporter-master时遇到的一些问题，以及对部分代码的修改。
注:我只测试了Markdown格式的代码，并未对PDF格式进行实践，所以该笔记并未针对PDF格式的代码进行说明。所以保险起见，将与PDF有关的代码注释掉即可。
安装必要的 Python 库, 如httpx,requests,BeautifulSoup;为了解析图片链接, 需要安装 aria2, 并保证能在命令行启动;为了转换为 PDF, 需要安装 Pandoc
代码中的方法注释
argparse
argparse是python用于解析命令行参数和选项的标准模块，用于代替已经过时的optparse模块。argparse模块的作用是用于解析命令行参数。
我们很多时候，需要用到解析命令行参数的程序，目的是在终端窗口(ubuntu是终端窗口，windows是命令行窗口)输入训练的参数和选项。
我们常常可以把argparse的使用简化成下面四个步骤1：import argparse2：parser = argparse.ArgumentParser()3：parser.add_argument()4：parser.parse_args()
parser.add_argument
parser.add_argument('--with_title', action='store_true')
关于parser.add_argument()记录一个特殊的情况：action
栗子1：self.parser.add_argument('--lr_use', action='store_true', default=False, help='if or not use lr_loss')
当在终端运行的时候，如果不加入--lr_use, 那么程序running的时候，lr_use的值为default: False
如果加上了--lr_use,不需要指定True/False,那么程序running的时候，lr_use的值为True
栗子2:self.parser.add_argument('--no_flip', action='store_false', help='.....')
当在终端运行的时候，并没有加入--no_flip, 数据集中的图片并不会翻转，打印出来看到no_flip的值为True
Note：有default值的时候，running时不声明就为默认值，
没有的话，如果是store_false,则默认值是True，如果是store_true,则默认值是False
实在记不住搞混的话，可以每次在run之前print出来看一下值是true还是false，这样比较保险
soup = BeautifulSoup()
soup = BeautifulSoup(response.content, 'html.parser', from_encoding="utf-8")
Python中BeautifulSoup库的用法
代码中需要修改的地方
1.global language
utils.py文件中的recursive方法最前面加一个global language，
防止出现 UnboundLocalError: local variable ‘language’ referenced before assignment 的异常
2.增加代码高亮的解析
elif tag in ['mark']:soup.contents.insert(0, NavigableString('=='))soup.contents.append(NavigableString('=='))
3.增加引用的解析
修改elif tag == 'p':分支中的代码
elif tag == 'p':if soup.parent.name == 'blockquote':for content in soup.contents:if isinstance(content, NavigableString):content.string = '>' + content.string.strip() + '\n'elif soup.parent.name != 'li':# print(soup.parent)soup.contents.insert(0, NavigableString('\n'))
4.完善列表解析
elif tag in ['li']:soup.contents.insert(0, NavigableString('+ '))soup.contents.append(NavigableString('\n'))
5.博客标题特殊符号出错
若博客标题名为Linux C/C++，那么文件输出时会出错，因为会把该标题当成Linux C/C++路径，导致找不到该文件夹
需在执行html2md前对title进行处理
title = '_'.join(title.replace('*', '').strip().split())title = title.replace('/', '_')
6.图片的保存路径
每个xxx.md的图片都保存到xxx.assets中
1.首先在Parser类中将fig_dir设置成外部传参的形式
2.修改recursive方法中elif tag == 'img':分支下的代码
md_img_txt_arr = img_file.split('/')md_img_txt = "/".join(md_img_txt_arr[1:len(md_img_txt_arr)])code = ''.format(md_img_txt, md_img_txt)
3.在html2md方法中新增一个参数fig_dir，并在初始化Parser类的时候将其传入
4.在调用html2md前设置fig_dir的路径
fig_dir = join(md_dir, title + '.assets')
