很多用WordPress建站的朋友都有这样的苦恼，网站建好了，没有时间自己写文章，慢慢就荒废了，还有的朋友在浏览器收集好多喜欢的博客网站地址，因为收集的网址太多太杂，从此也很少点开看。其实只要几行代码我们就可以完全利用Python和WordPress建一个属于自己的文章抓取站点。主要是运用python newspaper xmlrpc 模块编写实现网页爬虫，通过正则匹配爬取网页内容后，用xmlrpc自动发布到WordPress部署的网站。然后采用crond定时抓取。
python抓取URL
newspaper解析页面
xmlrpc上传到wordpress
#/usr/bin/env python #coding=utf8 import httplib import hashlib import urllib import random import urllib2 import md5 import re import json import sys import time from lxml import html from wordpress_xmlrpc import Client, WordPressPost from wordpress_xmlrpc.methods.posts import NewPost from newspaper import Article reload(sys) sys.setdefaultencoding(‘utf-8’) time1 = time.time() #得到html的源码 def gethtml(url1): #伪装浏览器头部 headers = { ‘User-Agent’:’Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6′ } req = urllib2.Request( url = url1, headers = headers ) html = urllib2.urlopen(req).read() return html #得到目标url源码 code1 = gethtml(‘http://whuhan2013.github.io/archive/’) tree = html.fromstring(code1) #print tree targeturl=tree.xpath(“//li[@class=’listing-item’]/a/@href”) def sends(): # print targeturl for i in range(len(targeturl)): #u=content1[i][0] url=”http://whuhan2013.github.io”+targeturl[i] print url a=Article(url,language=’zh’) a.download() a.parse() #print a.text dst=a.text tag=’test’ title=a.title #print ‘here2’ #链接WordPress，输入xmlrpc链接，后台账号密码 wp = Client(‘http://119.29.152.242/wordpress/xmlrpc.php’,’Ricardo’,’286840jjx’) #示例：wp = Client(‘http://www.python-cn.com/xmlrpc.php’,’username’,’password’) post = WordPressPost() post.title = title # post.post_type=’test’ post.content = dst post.post_status = ‘publish’ #发送到WordPress #print ‘here3’ wp.call(NewPost(post)) time.sleep(3) print ‘posts updates’ if __name__==’__main__’: sends() f1.close()
最后，可以通过crontab定时运行程序，采集指定文章发送到WordPress
参考链接：运用Python实现WordPress网站大规模自动化发布文章
源码：wordpress自动发布
访问：良有以也的博客
wordpress支持Markdown与代码高亮，丰富文章样式，文章访问量插件等
给力星的博客插件
效果如下
