博客迁移(WP->Pelican)

今天心血来潮，想把自己在wordpress上的博客迁移到刚刚用pelican在github上搭建好新博客，折腾了一下午，记录了一下过程。

将博客文章从wordpress导出xml文件

进入wordpress后台，选择工具 -> 导出。

这里要注意的是，如果文章多，或者评论多的话，最好根据年份或者根据分类来导出文章，这样文件较小，后面各种处理都比较方便。

将博客里面的图片下载到本地

这里使用了zoomquiet大妈的一个脚本（修改了两个地方：添加了异常处理，由于有些图片的地址已经失效，容易读取失败；添加了网络超时处理）。

#coding=utf-8

import re
import codecs
import urllib2

# 打开RSS文件读取内容
file = codecs.open('wordpress.2014.xml', 'r', 'utf-8')
content = file.read()
file.close()

# 用正则从RSS中提取所有图片链接地址
p = re.compile('src="([\w\W]+?)"')
urls = p.findall(content)

# 下载图片文件，并保存到img目录
for url in urls:
    print url
    opener = urllib2.build_opener()
    req = urllib2.Request(url.encode('utf-8'))
    try:
        resp = opener.open(req, timeout = 5).read()
        newname = url[url.rfind('/')+1:]
        print newname 
        outfile = open('./img/' + newname , 'wb')
        outfile.write(resp)
        outfile.close()
    except Exception, e:
        print '%s image download fail' % url
    else:
        pass
    finally:
        pass

将图片上传到七牛

参考七牛文档，配置conf.json文件

然后执行 qrsync /path/to/your-conf.json，会将图片上传到七牛

替换xml中图片的url

#coding=utf-8

import re

# 这里修改成自己的空间地址
strbucketurl = "http://bucket.qiniudn.com/"

# 打开RSS文件读取内容
file = open("wordpress.2014.xml", "r")
content = file.read()
file.close()

# 用正则从RSS中提取所有图片链接地址
p = re.compile('(http:.*?\.(jpg|png))')
urls = p.findall(content)

print urls

iCount = 0

# 替换所有url
for arrlist in urls:
    url = arrlist[0]
    newname = url[url.rfind('/')+1:]
    newurl = strbucketurl + newname
    print url
    print newurl
    print '------------'
    iCount = iCount + 1
    content = content.replace(url, newurl)

print 'change url count:%d' % iCount

outputfile = open('new2013.xml', 'w')
outputfile.write(content)
outputfile.close()

注意：执行上面脚本记得修改成自己的bucket地址！！！

将xml转换成markdown格式

这一步比较复杂，自己也折腾了好久，踩了好多坑，参考了xdays 的文章

  1. 安装BeautifulSoup4和 lxml

    pip install BeautifulSoup4  lxml

  2. 安装 pandoc

    brew install pandoc

  3. 进入blog目录，将xml文件装换成markdown格式：

    pelican-import --wpfile ./xml/new2012.xml -m markdown -o ./tmp

  4. 运行以下脚本，将markdown的文件名unquote成字符串：

    python changeMDname.py ./tmp ./content/cat/

     1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
    #!/usr/bin/env python
# -*- coding: utf-8 -*-

from urllib import unquote
import os
import sys

top = sys.argv[1]
out = sys.argv[2]
flist = sum([[os.path.join(base,file) for file in files] for base,dirs,files in os.walk(top)],[])

os.mkdir(out)

for i in flist:
    dirname = os.path.dirname(i)
    with open(i) as f:
        s = f.readlines()
        for l in s:
            if l.startswith('Slug'):
                index = s.index(l)
                p = l.strip().split()
                filename = unquote(p[-1])
                p[-1] = filename + '\n'
                s[index]=' '.join(p)
                with open('%s/%s.md'%(out, filename), 'w') as g:
                        g.write(''.join(s))
                break

然后就可以发布blog了

所用到的脚本可以在这里下载

参考：

迁移SAE wordpress的图片到jekyll - 注：已经打不开了，参考的google快照

Pelican和Github构建静态博客

Comments !

blogroll

social