我的天

现在我到底比10年前进步了多少，我不知道，但显然，10年前我还不认识正则这种东西。后来的很多抓取需要让我不得不学习了这个。一开始，我是在PHP上面用的，而昨天，我要把这个用在Notepad++上面，正则类似，但不同地方的细则又有所不同。正则这个东西让我在Notepad++上完成了我觉得这软件可能完成不了的事情。我太低估Notepad++的实力了！简单的替换或者新增这段，对它来说毫无压力，尤其是纯粹字段的东西。昨天之前我有想过要不要这次之后我也学习一下Python。语言类的东西学习了不少，但是我的电脑里没有配置一个环境可以让某个语言做到输入输出文件。如果把Excel算上，估计那是唯一OK的。我之前用的PHP实际上在编程方面我几乎没接触过。

学习编程语言，学习什么样的编程语言，很多时候都不是由我自己说了算。遇到什么问题，看到别人用什么解决，然后我就会觉得那个东西很有用。如果现在要用一种语言去定义我自己的话，我甚至说不出来。我不需要所有语言都懂，我只需要有一个我非常懂的东西就可以了。但显然，现在我还没做到，所以接下来我需要做的是找到这种语言，然后深入的研究。无论哪种语言，深入进去以后都可以无比强大，起码我想实现的那些小愿望全部不成问题了。其实我也不能说我完全不懂PHP，我还是有点懂的，但主要还是用在一些前端方面。因为我会认识这种语言是从网页与CSS配合开始的。一直以来，我都没有深入进去。我没有在电脑上长期安装一个运行环境。每次我要测试开发WordPress模板又或者其它内容的时候，我也是到需要时才安装，不需要的时候又把它卸载掉。需要PHP的运行环境，意味着可以实现很多计算，但我并不需要一定在本地部署。我把脚本放在网上一个免费的地方，我那些小不点功能其实就可以做到。以前，我是这么干的。现在估计我依然可以这么干。我为什么要配置PHP环境而不配置其他东西呢？其他东西可能更方便快捷。我不知道语言与语言之间的差异主要有哪些。从宏观层面上看，判断和循环基本就是它们的全部，但在如何表达参数上面，各家有各家的说法，所以其实一直以来我都很蒙圈。如果你给我一堆代码，要我判断这是哪种语言的。我肯定说不上，除非有一些非常明显的标志。看看他们的声明以及执行部分，很多时候我觉得都一个样。当然这只是我肤浅的觉得，实际上不是这么回事。因为我不熟悉他们，我只是见过他们，有些更加纯粹是一面之缘。

就像我用一个数据透视表能解决几乎Excel的绝大多数问题一样，因为我熟悉它。如果我熟悉公式，我也一样可以单用公式解决Excel的绝大多数问题。我是时候在一种编程语言上下功夫了。

我只是想把自己从前的东西重新拿出来，原来这也会很难，这是我完全没想到的。要找回那些尘封10年的文档，并不算太难，翻一下电脑也就找到了，虽然有点坎坷，因为当时备份的时候，我没有标注是哪个网站的，xml都放在一起，我以为那都是我主站的，后来，同一个日期不同的文件大小才让我觉得有蹊跷。xml文档找到了，接着要把它转化为WordPress的格式。当年用来转换文档的脚本找不到了，翻遍家里电脑的各个盘都没找到。之所以在家的电脑找不到，是因为当时干这事我是在单位完成的。所以理论上单位的电脑应该有，但是因为换过电脑，我也清理过同步盘，所以会不会也因此清理掉呢？这个我不确定。我觉得，在我转格式的时候，我仍然在用Dropbox，里面的很多东西我的确已经清理了，于是这也很好解释，为什么我家里电脑的Dropbox文件夹里找不到那个脚本。家里的电脑没有，单位的电脑可能有，但还有一种可能性，我把那上传到网盘，于是就把那同步软件里撤掉了。我只会上传到两个地方，一个是百度，一个是115。115打开很麻烦，我也懒得下载打开它的工具。百度上果然就有我要找的东西，但当我想把整个文件夹下载回来的时候，问题严重了，那里居然有4000多个文件。下大文件的时候度娘就很慢，下小文件的时候度量更慢，那是直接10KB以下的速度。我直接去网页版的度娘找到我要的东西，不在客户端里等它慢慢下载了。

东西下载回来以后，我再翻查我的日志，我需要安装一个Python。我默认安装的是现在最新的版本3.7.7，但运行脚本以后却发现才刚刚开始读取脚本，就马上报错。查找原因，原来是版本之间的语法差异。才刚刚开始就错，要运行完整个脚本，我真不知道还得修改我根本不懂的语法。所以，我把最新的Python卸载掉了，重新安装当时我就在那个版本下转换的2.6.5。2.6.5是一个什么概念？这意味着时光倒流10年。

出乎我意料，软件装好以后，我几乎没遇到困难就可以把BlogBus的文档成功转为了WordPress的格式。在下载Python的时候，我顺便下载了XAMPP，同样下载的是最新的版本。前段时间我才刚用过，觉得挺爽。我也下载了最新版的WordPress的5.3.2。同时把导入插件也装。当我试图上传，已经转过格式的xml是，上传报错。原来这才是噩梦的开始！不同版本的WordPress里的xml格式各不相同，几乎可以这么说，越往后越严格越来越严格了。于是我又安装了WordPress 3.9和2.8。3.9的WordPress在PHP 7之下马马虎虎可以运行，2.8是直接连数据库都连不上…… 于是我甚至不能从通过低版本的WordPress N轮导入导出拯救世界……

没办法，我只能研究我手头上的xml，看看和现在的标准版差多少。首先，必备填写一个WXR的版本号。在旧版本里，这条规则是这是不存在的，所以要手动加入。同样需要手动加入的就是，即文件类型，因为现在的WordPress把文章分成了post和page。把这些搞定以后，基本上正文就可以导进去了，但是分类和标签还是不行。因为现在的分类和标签，WordPress使用的是一个叫做nice name的东西，你必须在分类和标签那里，加上这个标注0才能识别的出来。评论那里，当年就试过在2.8的版本里面评论正常，但是在2.9里面，有评论的话会只剩下一条评论。研究发现，那是因为评论有了一个id号。BlogBus转码过来的东西没有id号，所以大概东西就自动覆盖了。除了这些BlogBus和WordPress之间的格式问题以外。我的文章里还有格式的=问题，因为有些东西，不完全是我自己的东西，好些是我从网络上搜集回来的。当时我保存了网页，在BlogBus发布的时候直接复制到可视化编辑器，所以格式也带入了。如果当时我懂得先把东西贴到记事本，然后再剪切粘贴一次，就不会存在这种问题。除了格式以外，从前的blog里还有图片，但经过这么多年，图片都已经失效了，链接摆在那里只会浪费加载时间和访客的期待，所以我要把图片链接也尽可能去掉。有些图片链接是我没办法去掉的，因为用正则筛选的时候会遇到一些很屌丝的句子，到了某个点，就卡住了，但实际上那并不是这个标签的结束。

搞清那些规则，总结出我的对策。一次又一次查找替换，一次又一次导入删除再导入。花了一整个下午加半个晚上的时间，我总算搞定了从前BlogBus上的BLF！文章238篇齐全，评论56条也齐全！！！其中可能会有一些小格式上毛病，但是那并不是共性的问题，后续还得靠运气慢慢修改。

非常有必要记录一下我在Notepad++上做的WordPress不同版本xml转换操作

/*操作开始*/

普通替换《channel》为《channel》《wp:wxr_version》1.1《/wp:wxr_version》 /*WP XML共性问题*/
普通替换《category domain=”category”》为《category domain=”tag”》
普通替换《dc:creator》《/dc:creator》
为《dc:creator》《![CDATA[xrspook]]》《/dc:creator》《wp:post_type》《![CDATA[post]]》《/wp:post_type》《category domain=”category”》《![CDATA[回到过去——Betty迷的独白]]》《/category》 /*《/wp:post_type》前是WP XML共性问题*/
普通替换《BR》《BR》为《BR》
普通替换《!–msnavigation–》为无
普通替换[summary_of_BLF]为[summary_of_BLF(from_rincondebetty)]
普通替换[summary_of_EcoModa]为[summary_of_EcoModa(from_rincondebetty)]
普通替换《category domain=”tag”》《![CDATA[(from_rincondebetty)]]》《/category》为无
普通替换[Yo soy Betty, la Fea]为[Yo_soy_Betty,_la_fea]
普通替换[JEA’s Writting]为[JEA’s_Writting]
普通替换”博主”为”xrspook”
普通替换《i》为无
普通替换《/i》为无

正则替换category\”》《\!\[CDATA\[(.*?)\]为category\” nicename=\”\1\”》《\!\[CDATA\[\1\] /*WP XML共性问题*/
正则替换tag\”》《\!\[CDATA\[(.*?)\]为post_tag\” nicename=\”\1\”》《\!\[CDATA\[\1\] /*WP XML共性问题*/
正则替换《[TDSFHI].*?》为无
正则替换《/[TDSFHI].*?》为无
正则替换《P.*?》为《P》
正则替换《(table|tbody|tr|td|div|span|img|script|font|hr).*?》为无
正则替换《/(table|tbody|tr|td|div|span|img|script|font).*?》为无

《wp:comment》《/wp:comment》中增加《wp:comment_id》1《/wp:comment_id》，id数字递增 /*WP XML共性问题*/

/*操作结束*/

注：请自行替换《》为<>，用尖括号那是全部都挂掉无法显示的节奏啊啊啊

这个是一次死去活来的经历啊啊啊啊啊啊啊啊啊啊啊啊！奇怪的知识又增长了不少……

昨天晚上我是凌晨一点回去睡觉的。

今天晚上我是凌晨一点离开办公室的，还没洗澡，躺在床上的时候已经是凌晨一点半。

我很累，在上班时间里被检验、文档排版、数据抄写榨干。下班后，成为小村屋群的义务核心技术员，被代码转化和CSS修整榨干。CSS修整本是很简单的事，FF+Firebug+css code就能得心应手，需要做的就只是修改和刷新，但是，偏偏某村友的blog用的插件却把该死的CSS可视化了，分开一小段一小段，加上说明，却不显示最最原始的代码，还得让你一个个翻，要多按好多次保存，还经常会找偏。结果最后我气了，直接用Firebug去找我要找的地方，在自定义的CSS里敲打一番，嘿，终于可以了，真邪恶！

今天的重头戏是帮一位有困难的村友搬家，听村屋首领说他帮忙搬的时候失败了，于是，在危难的时候，当大家有需要我的时候，xrspook挺身而出了！接到从BlogBus弄出的代码，马上用Python转换，得出如下结果：

很诡异，我之前遇到的错误代码可不是这样的哦。我第一个反应是时间有问题，应该是某个设定的时间不对劲，但到底在哪里呢？94、268、371、376（此数字为行数）我都排查过，没有。于是，我第二个反应是人肉排查替换。把376以前的先删掉，转换后面的。OK，没问题。再把前面的转换，同样结果。接着，把94-376的删掉，转换94以前的，一切正常。然后，把94-376的转换，嘿！还是那个界面，但现在根本就不存在376啦！所以我意识到从那些行根本不会找到突破口。重复以上操作大概3、4以后，剩下3篇文章，卡住。剩下2篇！最后一篇！肯定是这里的问题。村友们，你知道我发现什么了吗？见下图：

LogDate包围的日期居然是0000-00-00 00:00:00！！！！难怪Python会报错！而这等事情是怎么发生的呢？fish故意的吗？不是，是BlogBus可以算bug也可以不算bug的地方。为什么这么说呢？因为我是那种在记事本写完日志往blog上贴的人，记事本时间提取是用F5，只有yyyy-mm-dd hh:mm，而BlogBus的格式是yyyy-mm-dd hh:mm:ss，所以，我就要把前面的粘上去，留默认的秒数，但如果我一不小心粘错粘漏了呢？BlogBus会默认把时间设定为0000-00-00 00:00:00！于是，发现新文章不见了的xrspook就会翻到日志的最后一页把那个莫名其妙的日期改回来。大概当时fish没发现这等问题，以为是自己出错了就没去理会，所以，导出数据中就存在了个那么匪夷所思的日期。程序是认规律不认人的，它觉得年一定是从1开始，月只有12个数，日是1-31，若超出范围，它就笨蛋不懂了，前提是，它不会BlogBus的日期潜规则，若有人让它增强读取BlogBus的潜规则并把那个诡异数转化为转换当场时间的话，杯具就不会发生。所以，看来很严重的问题，把几个0改为正常数就行。解决方法很简单，但查找就异常曲折。成功那一刹那我是多么的高兴啊！！！

信心满满地把转换好的数据传给村屋首领，却又出现怎么都导入不了报错的现象。难道fish就那么背？在多次尝试，包括重装WP之后，首领提出会不会是导入.xml的格式不对，解释错误导致报错？接着，我发现他装的居然是2.8.5，我转换用的是2.8.6啊！转出来的数据适用于2.8.6后（即2.9系列），新数据导入老系统，不错就见鬼了。于是，我把经过一层转换的导进去，问题解决。大功告成，村友们，我们狠狠地拥抱一下吧！

以前都是自己解决自己的问题，或者请求别人解决自己的问题，但这次居然是xrspook帮助他人解决问题，真让人有飘飘欲仙的感觉。几个即时通讯工具闪个不停~~~

妹爱的不是钱，妹爱的是成就感！

于是，你知道我为什么乐了:)

紧急告知该方法不能用于WordPress 2.9.1，会出现每篇文章的评论丢失（如果某篇文章有评论且有多条，只会剩下一条），强烈建议使用2.8.*（我用的是2.8.6），可以用2.8.* 的做WP导入再升级到2.9.*！！！！

坐在电脑前折腾了一个下午的WordPress，但我最希望的还是BlogBus能回归。

金窝银窝，还不如自家的狗窝。

今天在G老师的帮助下找到了几个文章，终于把非标准的BlogBus .xml导出数据转变为标准的WordPress eXtended RSS (WXR) .xml，然后又在yo2老大oneoo设计的DivXml.exe帮助下把转换成功的文件分割为小块。

具体操作嘛，很简单，分享一下前辈们的好东西。

感谢ant21，Daniel，阿七！！！

用的是Python转换法，程序是用Daniel的（下载：bus2wp_modified），因为他说已经解决了BlogBus到WordPress的分类及标签问题。至于方法嘛，原创是ant21的，但阿七说得更具体，如下：

1.在BlogBus的后台导出日志，保存XML文档。具体方法：进入BlogBus后台，博客>博客设置>导入导出>导出日志>保存为XML格式，假定保存的名字为bus.xml。放在D盘根目录，即D:\bus.xml。

2. 下载python以及bus2wp.zip。python的下载地址是：http://www.python.org/ftp/python/2.5.1/python-2.5.1.msi（我已经在用2.6版本了），bus2wp_modified。下载python后，安装，解压下载的bus2wp_modified到D盘根目录，即D:\bus2wp.py。

3. 点击开始菜单>运行>输入cmd，回车进入Windows的命令行窗口>输入d:，回车，转到D盘目录下。输入bus2wp.py bus.xml wp.xml，回车，等待转换…>如果没有出错，就成功了！如果提示出错，检查导出的bus.xml，发现并解决问题（会提示是哪行哪列出错的）！建议用Notepad++进行检修，毕竟用系统自带的记事本实在太简陋。xrspook在转换过程中就出现过问题，不知道为什么代码里有些很诡异的“sub”，每次都会卡死。

4. 登录安装好的WordPress后台，导入日志。具体方法：管理>导入>选择“WordPress”，从WordPress导出文件中导入日志、评论、自定义字段、页面和分类。选择导入文件D:\wp.xml，导入>选择导入后日志所属作者，确定导入(可选上导入附件)。成功！

下图就是xrspook转换过程中的坎坷，修改多次才成功啊！转换共用66秒。原BlogBus的.xml大小为11.1MB，转换成WP型后减肥了，只有8.87MB。原先的.xml不能用DivXml.exe切分，但转换后的就可以了，呵呵，再次谢谢oneoo。

单机是用xampp搭建的php，而强大的它允许上传的WXR能达到128MB，所以切不切分无所谓，但是转换时间较长，我可有接近2300篇历史记录啊！但如果用在线上服务器不切分基本是不行的，所以测试不切无所谓，动真格的时候就得切了。

导入部分切分后的文件你就会发现虽然数据从BlogBus全部转化为WordPress了的，但还是有点瑕疵。我暂时发现的是：在评论的回复中，BlogBus把客人的留言和blog主的回复都放到<CommentText></CommentText>里，而且都是显示为“博主 对 ** 的回复：****-**-** **:**:**（后面那个为日期及时间）”。“博主”这个好不刺眼，于是我就全部重新替换为“xrspook”了，否则，真的让人很头大。不知道WordPress的导出数据是如何区分留言者和回复者呢，应该不会像BlogBus这般囫囵吞枣吧，毕竟WP是支持多层回复的，不像BlogBus那样只局限于blog主人对客人的回应。

如释重负般完成了WP模板的初步修改和历史数据导入。

但说到底，这还不是我从前大家所熟知的老家啊！