1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
| #coding:utf8
# Github 项目已删，成果暂存 https://findneo.github.io/p/tkposts.html
import json
import re
def parse_cards_to_html(data_cards):
"""
微博API
(https://m.weibo.cn/api/container/getIndex?type=uid&value=1401527553&containerid=1076031401527553&page=1)
返回的一个字典，形如
{ ok: 1,
data:
{ cardlistInfo: {...},
cards:
[ { card_type: 9,
itemid: foo,
scheme: post链接,
mblog: {created_at: post发表时间, ...,
text: post内容, ...,
retweeted_status: {created_at: repost发表时间,...,text: repost内容,...,}
},
show_type: 0
},
{...},...
],
showAppTips: 0,
scheme: foo
}
}
本函数的功能是将cards中每一个表示post的card里的时间和内容，以及repost的时间和内容(如果有的话)，提取出来，
构造成HTML语句。
"""
ret=""
for card in data_cards:
if card["card_type"]==9:
# card_type==9 说明当前card是一个post
is_repost=0
post=card["mblog"]
post_time=post["created_at"]
post_text=post["text"]
ret0="<p><code><br />%s</code><br />%s</p>"%(post_time,post_text)
if "retweeted_status" in post.keys():
# 当前card中有retweeted_status键说明这是一个repost
is_repost=1
repost=post["retweeted_status"]
repost_time=repost["created_at"]
repost_text=repost["text"]
ret1="\n\t<blockquote><p><code>%s</code><br />%s</p></blockquote>"%(repost_time,repost_text)
ret=ret+ret0+ret1 if is_repost else ret+ret0
ret=ret+"<hr />\n"
return ret
def comment_img_in_html(file_name):
"""
因为教主post中时有图片，15000+条post里的图片数量相当可观（而且很多加载不出来），
为了提高加载速度，这个函数将成品中的img标签全部注释掉。
"""
with open(file_name) as old_f,open("noimg_%s"%file_name,"w+") as new_f:
for line in old_f.readlines():
res=re.sub('(<img.*?>)',r"<!--\1-->",line)
new_f.write(res)
def main():
with open("tkposts.html","w+") as f:
head='<html><head><style type="text/css">html{background:#f2f2f2;font-size:16px;font-family:Monaco}</style><title>TK POSTS</title></head><body>\n'
f.write(head.encode('utf8'))
for i in xrange(1,1543):
data = json.load(open("%d.json"%i))
if data["ok"]!=1:
print "%d.json no data"%i
continue
msg_list=data["data"]["cards"]
msg_html=parse_cards_to_html(msg_list)
f.write(msg_html.encode('utf8'))
tail="</body></html>"
f.write(tail.encode('utf8'))
comment_img_in_html("tkposts.html")
if __name__ == '__main__':
"""
截至 2018/3/8 下午一时许，教主在新浪微博上共发表约13831条状态，
其中约6157条是转发自己或其他人的状态并评论。
第一条发布在2010-05-21，内容是
“刚看到的：2007年德国《自然科学》杂志的一篇文章指出，
最近感染过弓形虫的女性怀孕生男孩的概率为60.8%。也就是说，
感染弓形虫有助于生儿子——不过，不知道是需要在感染状态才行，还是治好了也行。 ”，
可以看到风格很早就形成了，幽默感，批判性，科学性具存，这就是让人乐于追随学习的地方。
"""
main()
|