Helllo , 我是小恒
由于我需要腾讯云社区，稀土掘金以及CSDN的征文活动RSS，找了一下没发现，所以使用GET
请求接口对网页定时进行拉取清洗，甚至无意间做了一个简单的json格式API
最终网址:hub.liheng.work
API:http://hub.liheng.work/activities.json
GitHub:https://github.com/lmliheng/hub
原理
由于浏览器的同源策略产生的跨域问题，使得CSDN官方URL无法被请求获取展示到前端
使用后端代码GET网页代码，对其进行数据清洗，并导入json文件
注意后端程序的定时任务以及日志打印
前端代码调用本地json，也不存在跨域，从而实现需求
代码结构
├───pyproject/
│ ├───activities.json
│ ├───htmlone.py
│ ├───index.html
│ ├───script.log
后端
实现HTML转json的数据清洗，以及打印日志到scripts.log文件
#作者：小恒不会java
#时间：2024年5月13日
#微信：a13551458597
# -*- coding: utf-8 -*-
import requests
from bs4 import BeautifulSoup
import json
import logging
from datetime import datetimelogging.basicConfig(filename='script.log', level=logging.INFO)
logging.info('Script started at {}'.format(datetime.now()))# 获取HTML内容,这种形式是避免get请求的跨域问题
url = 'https://bbs.csdn.net/forums/activity?spm=1035.2022.3001.8781&typeId=745490'
response = requests.get(url)
html_content = response.text# 使用BeautifulSoup解析HTML
soup = BeautifulSoup(html_content, 'html.parser')activities = []# 检查做到避免重复活动
posts = soup.find_all('div', {'class': 'content'})
for post in posts:activity = {}# 获取活动名称title_element = post.find('div', {'class': 'long-text-title'})if title_element:activity['name'] = title_element.text.strip()# 获取活动简介desc_element = post.find('div', {'class': 'item-desc'})if desc_element:activity['description'] = desc_element.text.strip()# 获取活动链接link_element = post.find('a', href=True)if link_element:activity['link'] = link_element['href']# 检查活动是否已存在if 'link' in activity and not any(existing_activity['link'] == activity['link'] for existing_activity in activities):activities.append(activity)print(activities)with open('activities.json', 'w', encoding='utf-8') as f:json.dump(activities, f, ensure_ascii=False, indent=4)logging.info('Script finished at {}'.format(datetime.now()))
定时任务
我服务器系统是linux centos7
使用cron完成定时运行，并通过python代码日志打印检验运行情况
检查cron服务是否正在运行：
```shell
sudo systemctl status cron或者ceond
如果cron服务未运行，请使用以下命令启动它：
sudo systemctl start cron
编辑crontab文件
crontab -e
在打开的编辑器中，添加一行以设置定时任务。例如，要每天凌晨1点运行Python脚本，请添加以下行
0 1 * * * /usr/bin/python /path/to/your/script.py
列出当前用户的crontab条目：
crontab -l
日志打印检查
scripts.log
[root@iZ7xvavc793m36sybr4bw4Z hub.liheng.work]# cat scripts.log
INFO:root:Script started at 2024-05-13 21:11:36.571745
INFO:root:Script finished at 2024-05-13 21:11:37.311995
[root@iZ7xvavc793m36sybr4bw4Z hub.liheng.work]#
