把部落格園的部落格匯出為MovableType的文字格式
技術標籤:pythonjavalinuxmysqlandroid
最近把以前的wordpress建的部落格刪了,用textpattern重新建了一個獨立部落格,http://www.shenlongbin.com,可以把它當成部落格園上內容的備份,但匯入我以前的一大堆文章非常有難度。經過一番折騰,終於把部落格園的內容匯出為文字,再匯入到textpattern中了。
第一步:C#程式設計把部落格園內容讀取出來
部落格園的管理端提供了部落格備份功能,可以生成一個xml檔案,但只能備份部落格的主要內容,並不包含部落格的摘要資訊和關鍵詞資訊,需要用metaweblogAPI進行訪問才能獲得詳細的資訊。快速學習了metaweblog程式設計知識,內部採用了XML-RPC呼叫,從網上搜索相關資料和類庫。很多地方都引用了XML-RPC.NET專案的類庫(名字空間以CookComputing開頭),並修改了相關程式碼,可惜下載網址被偉大的牆擋住了,通過v*n才好不容易把xml-rpc.net.2.5.0.zip(.NET framework 2.0)下載下來。原始地址在這裡:
部落格園的metaweblog的訪問介面可以訪問:http://www.cnblogs.com/speeding/services/metaweblog.aspx,從而獲得詳細的描述資訊。實際上在xml-rpc.net2.5.0壓縮包中的interfaces/MetaWeblogAPI.cs檔案中可以找到主要類或結構的定義,稍微新增或修改即可。
[XmlRpcMissingMapping(MappingAction.Ignore)] public struct Post { [XmlRpcMissingMapping(MappingAction.Error)] [XmlRpcMember(Description = "Required when posting.")] public DateTime dateCreated; [XmlRpcMissingMapping(MappingAction.Error)] [XmlRpcMember(Description = "Required when posting.")] public string description; [XmlRpcMissingMapping(MappingAction.Error)] [XmlRpcMember(Description = "Required when posting.")] public string title; public string[] categories; public Enclosure enclosure; public string link; public string permalink; [XmlRpcMember( Description = "Not required when posting. Depending on server may " + "be either string or integer. " + "Use Convert.ToInt32(postid) to treat as integer or " + "Convert.ToString(postid) to treat as string")] public object postid; public Source source; public string userid; public object mt_allow_comments; public object mt_allow_pings; public object mt_convert_breaks; public string mt_text_more; public string mt_excerpt; public string mt_keywords; // add by shenlb, for cnblogs public string wp_slug; // add by shenlb, for cnblogs; }
我們單位訪問網際網路要用到代理,還要密碼驗證,所以關鍵程式碼得新增幾行:
MetaWeblogCnblogs blog = new MetaWeblogCnblogs(); blog.Url = "http://www.cnblogs.com/speeding/services/metaweblog.aspx"; Uri proxyURI = new Uri("http://myproxyhost.myproxydomain.com:80"); System.Net.WebProxy proxyObject = new System.Net.WebProxy(proxyURI, false); proxyObject.Credentials = new System.Net.NetworkCredential("proxy_username", "proxy_password"); blog.Proxy = proxyObject; Post[] posts = blog.getRecentPosts("speeding", "speeding", "my_blog_admin_password", 50);
這樣就可以獲得部落格內容了,但需要再呼叫getPost才能獲得詳細的資訊,這裡就可以看到摘要和關鍵詞了。
Post detail = blog.getPost(post.postid.ToString(), "speeding", "my_blog_admin_password");
第二步:利用pandoc把html內容轉換為textile標記
Post中的description中都是html標記,而textpattern預設的標記語言是textile,所以需要將其轉換為textile,關於textile標記的百科知識見這裡。
這裡要用到著名的pandoc了,這個神奇的工具竟然是用haskell寫成了,以前學習haskell語言的時候以為只是一種教學語言,真有人寫出了實用程式!
把部落格中內容寫入temp.html檔案中,再用下面的命令列就可以轉換了。
pandoc.exe -t textile -o textile.txt temp.html
主要程式碼:
ProcessStartInfo startInfo = new ProcessStartInfo();
startInfo.CreateNoWindow = false;
startInfo.UseShellExecute = false;
startInfo.FileName = "..\\..\\pandoc.exe";
startInfo.WindowStyle = ProcessWindowStyle.Hidden;
startInfo.Arguments = "-t textile -o textile.txt temp.html";
using (Process exeProcess = Process.Start(startInfo)) {
exeProcess.WaitForExit();
}
return File.ReadAllText("textile.txt");
第三步:生成import.txt檔案
對幾百篇部落格文章迴圈處理,追加到import.txt檔案即可,最後的檔案用UTF8儲存。
Movable Type部落格的文字格式說明文件可以看這裡: https://movabletype.org/documentation/appendices/import-export-format.html#example
簡單說明一下:檔案用UTF8編碼儲存,前面幾行是單行文字資訊,後面的BODY、KEYWORDS和EXCERPT是多行文字,多行文字需要用5個短橫分開,每篇文章用8個短橫分開,最簡單的一個例子:
TITLE: A dummy title
AUTHOR: shenlongbin
DATE: 01/31/2012 03:31:05 PM
PRIMARY CATEGORY: reading
CATEGORY: reading
-----
BODY:
This is the body.
Another paragraph here.
Another paragraph here.
-----
EXCERPT:
See, this entry does not have an extended piece; but it does have an excerpt. It is special.
-----
--------
裡面的日期格式有要格要求,關鍵程式碼:
IFormatProvider culture = new CultureInfo("en-US", true);
string date = post.dateCreated.ToString("dd/MM/yyyy hh:mm:ss tt", culture); // 08/05/2002 04:05:23 PM
第四步:上傳import.txt檔案,匯入
檔案必須放在public_html/textpattern/include/import
目錄下,並且檔名一定是
import.txt。
實際上textpattern的管理端可以匯入Movable Type(File/MySQL)、Blogger、b2、WordPress等格式的部落格,但支援文字檔案匯入的只有Movable Type和Blogger。
在textpattern的管理介面上執行import操作,匯入成功時會出現部落格文章的列表。
其它
以前都是用blog_backup這個小程式來備份我的部落格,現在發現自己寫的這個小程式可以備份得更為徹底,還可以稍微修改匯出到wordpress。一番折騰,學到了這些知識點:movableType, metaweblog, xml-rpc, textile, pandoc, c# culture in date.ToString(), WebProxy……