把博客园的博客导出为MovableType的文本格式

最近把以前的wordpress建的博客删了，用textpattern重新建了一个独立博客，http://www.shenlongbin.com，可以把它当成博客园上内容的备份，但导入我以前的一大堆文章非常有难度。经过一番折腾，终于把博客园的内容导出为文本，再导入到textpattern中了。

第一步：C#编程把博客园内容读取出来

博客园的管理端提供了博客备份功能，可以生成一个xml文件，但只能备份博客的主要内容，并不包含博客的摘要信息和关键词信息，需要用metaweblogAPI进行访问才能获得详细的信息。快速学习了metaweblog编程知识，内部采用了XML-RPC调用，从网上搜索相关资料和类库。很多地方都引用了XML-RPC.NET项目的类库（名字空间以CookComputing开头），并修改了相关代码，可惜下载网址被伟大的墙挡住了，通过VPN才好不容易把xml-rpc.net.2.5.0.zip(.NET framework 2.0)下载下来。原始地址在这里：http://xmlrpcnet.googlecode.com/files/xml-rpc.net.2.5.0.zip。大CC有一篇文章介绍了metaweblogAPI，另外这篇文章介绍了调用方法，只需要稍微修改一点，就可以获取博客园上的博客内容了。

博客园的metaweblog的访问接口可以访问：http://www.cnblogs.com/speeding/services/metaweblog.aspx，从而获得详细的描述信息。实际上在xml-rpc.net2.5.0压缩包中的interfaces/MetaWeblogAPI.cs文件中可以找到主要类或结构的定义，稍微添加或修改即可。

    [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;
    }

 

我们单位访问互联网要用到代理，还要密码验证，所以关键代码得添加几行：

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);

这样就可以获得博客内容了，但需要再调用getPost才能获得详细的信息，这里就可以看到摘要和关键词了。

Post detail = blog.getPost(post.postid.ToString(), "speeding", "my_blog_admin_password");

第二步：利用pandoc把html内容转换为textile标记

Post中的description中都是html标记，而textpattern默认的标记语言是textile，所以需要将其转换为textile，关于textile标记的百科知识见这里。

这里要用到著名的pandoc了，这个神奇的工具竟然是用haskell写成了，以前学习haskell语言的时候以为只是一种教学语言，真有人写出了实用程序！

把博客中内容写入temp.html文件中，再用下面的命令行就可以转换了。

pandoc.exe -t textile -o textile.txt temp.html

主要代码：

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文件

对几百篇博客文章循环处理，追加到import.txt文件即可，最后的文件用UTF8保存。

Movable Type博客的文本格式说明文档可以看这里： https://movabletype.org/documentation/appendices/import-export-format.html#example

简单说明一下：文件用UTF8编码存储，前面几行是单行文本信息，后面的BODY、KEYWORDS和EXCERPT是多行文本，多行文本需要用5个短横分开，每篇文章用8个短横分开，最简单的一个例子：

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.

-----

--------

里面的日期格式有要格要求，关键代码：

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：上传import.txt文件，导入

文件必须放在public_html/textpattern/include/import目录下，并且文件名一定是import.txt。实际上textpattern的管理端可以导入Movable Type(File/MySQL)、Blogger、b2、WordPress等格式的博客，但支持文本文件导入的只有Movable Type和Blogger。

在textpattern的管理界面上执行import操作，导入成功时会出现博客文章的列表。

其它

以前都是用blog_backup这个小程序来备份我的博客，现在发现自己写的这个小程序可以备份得更为彻底，还可以稍微修改导出到wordpress。一番折腾，学到了这些知识点：movableType, metaweblog, xml-rpc, textile, pandoc, c# culture in date.ToString(), WebProxy……