新增筛选固定内容功能

.gitignore

@@ -1,3 +1,4 @@
 /html
 /pdf
+/useful
 *.zip

config.json

@@ -1,5 +1,6 @@
 {
     "jsonDir": "./mp",
-    "htmlDir": "./html",
-    "pdfDir": "./pdf"
+    "htmlDir": "./useful",
+    "pdfDir": "./pdf",
+    "usefulDir": "./useful"
 }

start.py

@@ -4,7 +4,9 @@ import os, sys
 import requests
 import json
 import pdfkit
+import codecs
 import subprocess
+import re
 from bs4 import BeautifulSoup
 from datetime import datetime, timedelta
 from time import sleep
@@ -45,6 +47,8 @@ def GetJson():
         jsbd["htmlDir"] = jsbd["htmlDir"][:-1]
     if jsbd["jsonDir"][-1] == "/":
         jsbd["jsonDir"] = jsbd["jsonDir"][:-1]
+    if jsbd["usefulDir"][-1] == "/":
+        jsbd["usefulDir"] = jsbd["usefulDir"][:-1]
     return jsbd
 
 
@@ -305,6 +309,38 @@ def PDFOne(htmlpath, pdfpath, skipExists=True, removehtml=True):
     """
 
 
+
+# 搜索关键字找到对应html并归类
+def SearchDir(htmldir, savedir):
+
+    recordFile = 'execute-records'
+
+    if not os.path.exists(savedir):
+        os.makedirs(savedir)
+    flist = os.listdir(htmldir)
+    
+    for f in flist:
+        if (not f[-5:] == ".html") or ("tmp" in f):  # 不是html文件的不转换，含有tmp的不转换
+            continue
+
+        FoundFlag = False
+        htmlpath = htmldir + "/" + f
+        tmppath = htmlpath[:-5] + ".html"  # 生成临时文件，供转pdf用
+        htmlstr = ReadFile(htmlpath)
+        bs = BeautifulSoup(htmlstr, "lxml")
+        # pdf文件名中包含文章标题，但如果标题中有不能出现在文件名中的符号则会转换失败
+        keyWord = bs.find_all(text=re.compile("养老"))
+        print(keyWord)
+        if (keyWord):
+            """
+                把js等去掉，减少转PDF时的加载项，
+                注意此处去掉了css(link），如果发现pdf格式乱了可以不去掉css
+            """
+            [s.extract() for s in bs(["script", "iframe"])]
+            # , "link"
+            SaveFile(savedir + '/' +f, str(bs))
+
+
 if __name__ == "__main__":
     if len(sys.argv) == 1:
         arg = None
@@ -320,3 +356,8 @@ if __name__ == "__main__":
         saveHtmlDir = jsbd["htmlDir"]
         savePdfDir = jsbd["pdfDir"]
         PDFDir(saveHtmlDir, savePdfDir)
+    elif arg == "search":
+        jsbd = GetJson()
+        htmlDir = jsbd["htmlDir"]
+        saveDir = jsbd["usefulDir"]
+        SearchDir(htmlDir, saveDir)