代码改变世界

一次批量修改博客文章的经验（上）：准备工作

2010-01-04 18:57  Jeffrey Zhao  阅读(6815)  评论(16)  编辑  收藏  举报

这几天赋闲在家，除了看书和还债（如RSS订阅），终于把一直以来想做却拖着的事情完成了：批量去除博客文章段首的空格。这个过程并不难，只需要按部就班地去做就行了，一切资料都可以在互联网上搜索到。不过我还是打算记录一下，也是为了今后再做类似工作时有个参考，少走一些弯路。

前言

我是个略有些强迫症的人，希望很多东西可以统一。例如，几个月前我才在RSS订阅里输出了全文——那是因为博客园终于提供这个统一设置的选项了。其实在此之前就有很多朋友建议我开放全文，但我一直没有做。不是我追求PV，而是我只能做到所有的新文章输出全文，对于旧文章则必须一篇一篇地去修改——如果不修改，不就不统一了吗？但手动修改实在太繁琐，于是便一直没有去做。

同样的，在我以前的文章中，每段段首都是空两格的，但是现在感觉没有什么必要，于是最近的几十篇文章都顶格写了。这个“不统一”我便“容忍”了，因为我知道博客园提供了MetaWeblog API，这样我理论上可以写一段程序来批量修改之前的文章内容。只可惜，直到现在我才下决心这么做。

整个过程分几步完成，在此一一记录一下。

XML RPC与MetaWeblog

MetaWeblog是一个通用的博客内容修改接口，许多博客都实现了协议，因此我们可以使用Windows Live Writer这样的工具来写文章。网上关于这个协议最好的描述文档我认为是MSDN上的MetaWeblog API Reference——这其实是Windows Live Space服务所公开的接口。从理论上来说，博客园也应该实现完全相同的功能，但是实际使用上来看，还是有一些区别。由于任务的性质，这里我们自然以博客园为准，我也不再去追究到底谁是真正符合标准的做法了。

MetaWeblog API使用了基于XML RPC的调用方式。XML RPC使用HTTP来传输一段XML来表示一个远程调用，与SOAP不同，XML RPC非常简单，他的传输内容您一看就懂。我只是在开发过程中使用Fiddler简单查看了一下Windows Live Writer与博客园的通信，如果您感兴趣的话也可以仔细研究一下XML RPC。

在.NET上调用XML RPC服务可以利用开源的XML-RPC.NET类库来简化操作。虽然MSDN上提供了一段基于XML-RPC.NET的演示代码，但是您也可以看出其实这段代码无比粗略，而且我根本没跑通，差点让我认为XML-RPC.NET非常不成熟。但我看了XML-RPC.NET的文档之后才意识到，其实这个类库使用起来非常简单。因此，我在这里建议您忽略MSDN上的示例代码，而以XML-RPC.NET为准——甚至只要首页上的几行代码您就可以明白了。

当然，您也可以继续阅读这篇文章，用于完成简单的工作已经足够了。

使用MetaWeblog API修改博客园文章

使用XML-RPC.NET调用MetaWeblog API非常容易，我们只要根据API的样式来定义“类型”和“接口”就可以了。例如：

public class Post
{
    [XmlRpcMember("postid")]
    public int PostID;

    [XmlRpcMember("dateCreated")]
    public DateTime CreateTime;

    [XmlRpcMember("title")]
    public string Title;

    [XmlRpcMember("description")]
    public string Content;

    [XmlRpcMember("categories")]
    public string[] Categories;
}

public interface IMetaWeblogProxy : IXmlRpcProxy
{
    [XmlRpcMethod("metaWeblog.getPost")]
    Post GetPost(string postId, string userName, string password);

    [XmlRpcMethod("metaWeblog.editPost")]
    bool UpdatePost(string postId, string userName, string password, Post post, bool publish);
}

首先我们定义了一个Post类型，其中有多个字段，每个字段上标记了在XML RPC结构中的名称。此外，我们又定义了一个IMetaWeblogProxy接口类型，XML-PRC.NET会根据根据接口的签名自动与远程服务进行交互。这里有个问题，便是Post的PostID字段到底是哪个类型。MSDN上描述，与Windows Live Space的API使用的是字符串，而博客园使用的确实32位整数——如前文所述，我们这里以博客园为准。

调用接口很容易：

var client = XmlRpcProxyGen.Create<IMetaWeblogProxy>();
client.Url = "http://www.cnblogs.com/JeffreyZhao/services/metaweblog.aspx";

string userName = "JeffreyZhao";
string password = "...";
string postId = "1629216";

var post = client.GetPost(postId, userName, password);
post.Content += "<p>Hello World!</p>";
client.UpdatePost(postId, userName, password, post, true);

以上，便在ID为1629216的文章内容后添加一行“Hello World”字样了。

异步调用

F#并不是万能的，之前我们也看到说，由于F#缺少诸多语言特性，在XML构造方面的方便程度并不如C#。但是，我这里还是选择使用F#，关键的因素还是在于其异步支持实在是太方便了。我们的任务需要大量的网络IO操作，而其中高性能的关键还是在于利用异步IO操作。那么在F#中，我们又该如何异步访问MetaWeblog API呢？

其实XML-RPC.NET已经为我们提供了支持，例如我们可以这样定义上面GetPost和UpdatePost的“异步版本”：

type IMetaWeblogProxy =
    inherit IXmlRpcProxy

    [<XmlRpcBegin("metaWeblog.getPost")>]
    abstract BeginGetPost : string -> string -> string -> AsyncCallback -> obj -> IAsyncResult

    [<XmlRpcEnd("metaWeblog.getPost")>]
    abstract EndGetPost : IAsyncResult -> Post


    [<XmlRpcBegin("metaWeblog.editPost")>]
    abstract BeginUpdatePost : string -> string -> string -> Post -> bool -> AsyncCallback -> obj -> IAsyncResult

    [<XmlRpcEnd("metaWeblog.editPost")>]
    abstract EndUpdatePost : IAsyncResult -> bool

完整的代码（如Post类型的定义）您可以从文末的链接里获得。这里我们直接定义了Begin/End两个方法的签名，与C#版本相比省略了参数名，如果您希望保证可读性也可以在定义时补上。只要我们使用这种方法定义了接口，标记了方法，XML-RPC.NET便可以为我们生成一个代理对象。自然，我们也可以在F#中使用XmlRpcProxyGen.Create方法：

let createProxy() = XmlRpcProxyGen.Create<IMetaWeblogProxy>()

在实际使用的时候，我们可以按常规来扩展一下IMetaWeblogProxy接口：

type MetaWeblog.IMetaWeblogProxy with

    member p.GetPostAsync(postId, userName, password) =
        let beginGet (ac, o) = p.BeginGetPost postId userName password ac o
        Async.FromBeginEnd(beginGet, p.EndGetPost)

    member p.UpdatePostAsync(postId, userName, password, post, publish) =
        let beginUpdate (ac, o) = p.BeginUpdatePost postId userName password post publish ac o
        Async.FromBeginEnd(beginUpdate, p.EndUpdatePost)

于是之前的C#代码便可以改写成如下的F#异步工作流：

let workflow = async {
    let client = MetaWeblog.createProxy()
    client.Url <- "http://www.cnblogs.com/JeffreyZhao/services/metaweblog.aspx"

    let userName, password, postId = "JeffreyZhao", "...", "1629216"
    let! post = client.GetPostAsync(postId, userName, password)
    post.Content <- post.Content + "<p>Hello World!</p>"
    return! client.UpdatePostAsync(postId, userName, password, post, true)
}

当然，以上代码只是进行了“定义”，在实际运行时您还需要使用某种方法来执行这个异步工作流。

本文代码

相关文章