簡介
python爬蟲其實目前用下來最好用的工具就是『bs4+request』，但是會遇到每個平台的新聞文章或是論壇文章等內容，html的格式都長的不同，用bs4要客製化每一個網頁去抓取可能會花很多很多時間，所以我就選用了Newspaper套件，但是該套件會把抓的內容分類成一個list，例如內文、圖片、標題，所以在要重置的時候會遇到文字跟圖片分開，讓我們不知道正確的圖文排佈狀況。
所以這篇就使用土法煉鋼法，透過Newspaper找到的文字、圖片字串，去解析透過從bs4抓下來的html來找尋圖文順序，並重新產出一個新的圖文list。
實作
Step1：將透過Newspaper抓下來的內文文字與圖片塞到同一個list中。
content_word_list = []
for sub_tag in content.splitlines():
if len(sub_tag)>3:
content_word_list.append(sub_tag)
for image_tag in All_images:
content_word_list.append(image_tag)這邊要解釋一下，首先我們先創建一個空list來塞文字跟圖片連結。看到第一個for-loop，要注意的是，從Newspaper抓下來的內文他每一筆資料之間都會有一個空格儲存格，所以我們要透過『splitline()』將空格移除，這樣才可以準確地將每一串文字塞到一格之中。
第二個for-loop是幫剛剛處理完儲存文字部分再接續的將圖片連結塞進list中。
Step2：取得該文章body中的html格式內容。
web_url = "文章網址"
response = requests.get(web_url)
response.encoding='utf8'
soup = BeautifulSoup(response.text, "html.parser")
soup = soup.select('body')
print(soup)透過『bs4+request』老方法把整篇網頁的html抓下來，之後要給比對陣列使用，這邊我們可以將抓下來的html精簡一點，決大部分的文章資料都是塞在『<body>』之中，所以我們可以將一大串的html程式碼精簡，只留著『<body></body>』裡的內容。
Step3：將html-body的每一列都塞到被比對陣列中。
count = 0 #比較出的內容索引
result_list = [] #比較出塞入完整的排序陣列
compare_list = [] #比較過後暫存的陣列
index_list = [] #索引值陣列
index_max = 0 #給索引直陣列容器最大化
for word in str(soup).split('\n'):
compare_list.append(word)
count += 1將提取出的html-body一列一列拆開，儲存到『被比較陣列中』，這邊要注意的是，需要將soup取出的內容強制轉換成字串型態，並處理斷行的動作，並計算整個陣列有幾個單位，其實也可以塞完透過『len(list)』來取得陣列大小。
Step4：比較內文出現字串與html的list位置。
for i in word_list:
for j in compare_list:
if i in j:
index_list.append(compare_list.index(j))這階段的處理功能是把1.newspaper儲存的內容陣列跟2.bs4儲存的陣列做比對後，將資料相符合的陣列索引值儲存到索引值陣列，這概念有點像字典前幾頁有單字類別分類的頁數功能相同。
Step5：將result_list擴增。
for y in index_list:
if y > index_max:
index_max = y
for i in range(index_max):
result_list.append('')由於我們已經比對完成後，知道每一筆資料的索引直在2.bs4儲存的陣列，所以我們把最終產出的『result_list』做一個擴增的動作，在第一個for-loop是判斷我們的result_list陣列容器空間，第二個for-loop是把所有索引直都塞入空字串。
Step6：把便是好的資料依序塞入指定位置。
for i in word_list:
for j in compare_list:
if i in j:
result_list.insert(compare_list.index(j),i)當我們擴充好result_list之後，透過雙重for-loop將索引過後的資料塞到指定陣列中，這邊我用到list的一個功能叫做『insert』，使用方式是『insert(要塞的位置 , 塞的內容)』。
Step7：刪除空字串的陣列。
while '' in result_list:
result_list.remove('')
print(result_list)到最後一步了，我們剛剛再擴充result_list時，都有把每一個空間都塞一個空字串，再來在上一步驟是指定位置把『””』換成我們排序好的圖文內容，所以result_list陣列中有非常多的空字串，這邊我們就要把他移除，使用了『remove()』，最後就完成已經做好比對且排序好的list了。
小結
這次算是一個在使用多重工具下，為了達到我們想要的成果所客製化的一個小處理工具，雖然說使用到非常非常暴力的方法，但是起碼有達到我們想要的。可以看到上圖一個是比對排序前，一個是比對排序後，在排序完之後進而塞入sheet中，就可以使用自動化程式來填入文章中並發布。在之後也可以找找有沒有更聰明的方法。