下载知乎指定问题的答案并保存图片

代码如下：

from zhihu_oauth import ZhihuClient

from zhihu_oauth.exception import NeedCaptchaException
from docx import Document
from docx.shared import Inches
from w3lib.html import remove_tags
import urllib.request
from io import StringIO
import subprocess
import re
document = Document()
client = ZhihuClient()



try:
    client.login(\'username\', \'pass\')
except NeedCaptchaException:
    # 保存验证码并提示输入，重新登录
    with open(\'a.gif\', \'wb\') as f:
        f.write(client.get_captcha())
    captcha = input(\'please input captcha:\')
    client.login(\'898311543@qq.com\', \'1818039565\', captcha)

p = re.compile(\'<img.*>\')
num = input(\'请输入问题序号：\')
question = client.question(int(num))
i = 0;
file = open(question.title+\'.html\',\'w\')
file.write(\'<html><head></head><body>\')
# document.add_heading(question.title, 0)
file.write(\'<h1>\'+question.title+\'</h1>\')
for answer in question.answers:
#    print(question.answers[0].content.replace(\'<br>\',\'\n\'))
#    print(question.answers[0].voteup_count)
    print(answer.author.name)
    # document.add_paragraph("回答者："+answer.author.name+\'\t\'+\'赞数：\'+str(answer.voteup_count), style=\'IntenseQuote\')
    # document.add_paragraph(remove_tags(answer.content, keep=(\'img\',)))
    # document.add_page_break()
    file.write(\'<br><br>\'+"回答者："+answer.author.name+\'&nbsp;&nbsp;\'+\'赞数：\'+str(answer.voteup_count))
    file.write(\'<p>\'+answer.content+\'</p>\')
    i=i+1
    if(i>50):
        break
#document.save(str(question.title)+\'.docx\')
file.write(\'</body></html>\')
file.close()
subprocess.call([\'pandoc\',question.title+\'.html\',\'-o\',question.title+\'.docx\'])
subprocess.call([\'rm\',\'-rf\',question.title+\'.html\'])

参考资料：https://github.com/7sDream/zhihu-oauth

这段代码主要利用zhihu-oauth实现对知乎内容的获取，这个项目很好的对知乎的API进行了封装并且非常容易的实现知乎的各种操作。

在Ubuntu系统下通过

pip install -U zhihu_oauth

可以安装zhihu_oauth模块。为以后下载做好准备。

在下载知乎文章中主要遇到的问题是，不好处理图片。

当直接将content保存到docx中的时候，会直接将<img>标签保存到docx中，不好处理。后来在issue中找到了比较好的解决方案。

一种解决方案是直接保存成html然后用pandoc转码。具体的代码实现可以参考上面的代码。