分享制作精良的知识管理系统 博客园博客备份程序 Site Rebuild

知识管理系统Data Solution研发日记已经写出了七篇，不断收到朋友们的反馈，希望能提供软件下载。在紧张了忙碌了两个星期后，Data Loader程序又有了明显的进步。新的界面效果如下图所示

现在一共有20个应用程序组，以帮助下载，解析和呈现文档数据和互联网网页数据。

今天要推荐的程序是博客备份程序。我知道博客园在后台提供了对博主文章的备份工具，可以导出为XML格式，然后在一个小应用程序中打开查看。但是，这个功能仅仅限制于博主本人，如果需要对自己喜欢的博客文章进行备份，显然要另想办法。其次，我想把博客备份成doc格式的WORD文档，而不是html网页，也不能是mht文件。html文件为把图片另存到一个与网页同名的文件夹中，会有很多文件，不喜欢这种格式，此外，如果不能连网，图片将无法显示，这一点，对于一个博客备份程序来说，是不可原谅的。也考虑过mht文件，它把图片和网页都存到一个单一文件中，这一点非常好，问题是，除了IE（或其他的浏览器）可以打开它之外，以编程的方式读写这个文件，非常的困难。使用WebBrowser控件，性能很糟糕，打开一个小文件，需要很长时间，所以，mht格式的Performance不可接受。当然，如果你喜欢mht格式，可以使用Data Loader应用程序组中的User ID Blog, Url Blog,Text Blog, Default Blog这四个程序，它们都是将网页存成mht格式的文件。所以，最终敲定的备份格式是DOC格式，可以用WORD编辑。

打开Site Rebuild程序，界面如上图所示，它会自动加载当前目录中的Cnblogs.txt文件。在这个文件中，我列举出了博客园中的前1000名的博客地址，以供分析下载。地址的例子如下

-http://www.cnblogs.com/Terrylee/
-http://www.cnblogs.com/dudu/

在前面有一个短线，表示忽略，不备份这个地址的博客。如果你要备份博客园管理员dudu的所有博客，可以把前面的短线去掉，像这样http://www.cnblogs.com/dudu/，每个地址用换行分开工。这样，程序内部会分析所有的dudu的博客，把它下载下来。最后你看到的效果是这样

如果网速可以，8个小时内，可以下载10G以上的博客文章。数以万计的博客文章，它的位置由互联网服务器变成了自己的本机磁盘，这种放心的感觉，我想你肯定喜欢。

解释一下Site Rebuild的逻辑，它会分析博主的所有文章，并把它保存到当前目录下面，先以html文件保存，然后转换成doc格式，再转换成rtf格式。所以，当执行完成后，你可以把doc目录中的文档拷贝走。如果你不想重复的下载已经备份过的博客文章，可以打开Setting程序，设置Downloaed Path的路径，这里存放已经下载过的博客文章。如果它已经存在，则不会重复下载。

Connection String用于文档的处理。博客的下载备份只是一个小组件，它的重头戏在于，可以导入到数据库中，然后以联机的方式查看。如下图所示，下载完成后，会自动启动导入程序，

之后，再打开Document Explorer进行浏览，以联机的方式查看，如图

所有的文档都进入到SQL Server数据库中，使用应用程序或是Web界面浏览文档数据库中的程序，还可以搜索，查找，备份迁移。关于数据库部分，稍后会有文章介绍配置数据库，以导入所下载的文章。

Site Rebuild中还有Codeproject,MSDN,CSDN,Dotblogs,51CTO,这几个程序暂时不可用，Any是可用的，如果你不喜欢全部的博主文章备份，比如你只想备份http://www.cnblogs.com/javabin/archive/2011/11/02/2233381.html中的文章，那就把地址写进去，它只会备份这一个地址中所有的联接的文章。

 

请到epn.codeplex.com(http://epn.codeplex.com/releases/view/68647)中下载最新版本的Data Loader应用程序。如果你有改善的意见或是好的想法，请发邮件到JamesLi2015@hotmail.com ，我们一起来把它做成好用，灵活的博客备份程序。