BlogsToWordPress v18.3 – 将(新版)百度空间,网易163,新浪sina,QQ空间,人人网,CSDN,搜狐Sohu,博客大巴Blogbus,天涯博客,点点轻博客等博客搬家到WordPress
最后更新：v
1.使用本脚本之前必看：
2.想要看本程序的使用说明，可直接去这里：
3.有任何问题，意见，建议，bug提交等，建议去专门的讨论区：
4.如果想要对此脚本进行扩展，以支持更多类型的博客搬家，可参考：
BlogsToWordpress简介
BlogsToWordpress是Python语言实现的脚本。
主要用来实现：
1. 将（新版）百度空间，网易163，新浪sina，QQ空间，人人网，CSDN，搜狐Sohu，博客大巴Blogbus，天涯博客，点点轻博客等博客，。
（即通过此Python脚本，将博客中的帖子的各种信息，导出为文件。然后就可以将其导入wordpress，实现博客搬家了。）
2. 以及搬家后，修改原先帖子，添加搬家声明等信息。
下载BlogsToWordpress
关于下载：
之前的BlogsToWordpress，从v1到v17.1，都是放在GoogleCode上面的：
后来由于GoogleCode不支持下载功能，而搬家到SourceForge：
目前最新下载主页是：
之后，所有的最新版本，都请到 去下载。
此处，把目前的最新版本的源码和可执行文件的下载地址，贴出来，方便直接点击下载：
最新版本号
源码下载地址
可执行文件下载地址
Linux：暂无
Windows 
Linux：暂无
Windows 
Linux：暂无
BlogsToWordpress的由来
关于最初的要把博客导入到wordpress中的详细折腾过程，参见：
此处只简要说说过程。
之前机缘巧合，想弄一个个人网站，然后就找到了wordpress。
用wordpress把网站搭建起来后，就遇到了，需要把之前其他博客的帖子，搬家搬到当前的个人网站。
接着就知道了，有个wordpress importer的东西，支持把对应的WXR文件导入到wordpress中，就可以实现帖子搬家了。但是对于如何获得/生成对应的WXR文件，就遇到了问题。
网上所能找到的所有的方法，都不能实现我要的功能。
最接近，最可能的，可以实现需要的功能，算是下面这几个工具了：
1。先是BlogMover.zip中的163-blog-mover.py和hi-baidu-mover.py，都不能用，
2 。其次，后来找到的新版本的hi-baidu-mover_v2.zip中的hi-baidu-mover_v2.py，也不能用。
两者的最原始的代码，都是参考 的，其代码放在google code了：。
接下来，就是被逼无奈，在对于Python只有写过一个简单的脚本：
的基础上，花了大半个月，实现了这个脚本的：
（1）第一个版本
是百度和163分开实现的。
当时不了解如何通过python去登陆百度，163等博客，所以也就无法导入博客中的私人日志。
（2）第二个版本：
后来在折腾了：
后，搞懂了如何C#中如何登陆网页，搞懂了cookie等相关的逻辑，然后回头又来通过python语言，实现了这套逻辑，因此，也就可以把登录功能添加到了此脚本中。实现了第二个版本的BLogsToWordpress，即支持登陆模式下的，导入所有的帖子，包括公开的public的帖子，和私人的private的帖子。
并且又接着在登陆模式基础上，添加修改帖子内容，以添加博客搬家声明的功能。
本来想单独放出来此第二个版本的，但是考虑到代码有点乱，以及本来就像将两个单独的python脚本baiduBlogToWordpress和163BlogToWordpress合并到一起的，所以就又去花时间，折腾出下面的：
（3）第三个版本：
此版本，是将两个脚本中间包含了很多重复的代码，。因此，在其基础上，动了大手术：
把整个博客搬家相关的框架部分的代码，抽取出来放到核心的BlogsToWordpress中；
然后再把不同博客提供商（百度和163）对应的代码，分别放到BlogBaidu和BlogNetease中去；
同时又把常用的功能提取出来，整理为我的自己的python库：。
至此，才算实现我最终想要的，即把博客搬家，弄成框架式的。
这样，以后如果谁想要实现其他博客搬家的话，就可以参考已经实现的百度，163的博客的代码，然后照葫芦画瓢，去写个对应的BlogXXX，实现了对应的接口函数，也可以同样实现对应的博客搬家的功能了。
（4）第四个版本
在中看到有人提要求，希望实现新浪，qq空间等搬家到wordpress。关于这点，之前就考虑过，之前没折腾，主要是因为：
a。精力有限，忙于折腾百度和网易的搬家的实现。
b。之前已经有人实现了此功能：
c。自己之前不需要此功能
不过，此处，还是打算，再花些精力，把新浪博客搬家到wordpress的功能实现了。
然后就花了几天，实现了这个v4.0，支持新浪博客搬家了。
此部分，总得来说，难度不是很大，但是还是有很多技术细节需要处理的。
尤其是BeautifulSoup的一些bug等，花费了不少时间找到规避该bug的方法。
其他的，包括评论数据如何获取等，就是通过抓取网页分析一下，就可找到具体方法了。
（5）第五个版本
同上，实现了某人所希望的，支持QQ空间搬家的功能。
折腾这个，把基本功能实现了，即支持导出帖子的标题，分类，标签，发布时间，内容等，花了大概2,3天，但是后期处理百度的各种变态的编码等问题，以及添加支持各种类型的图片地址的支持等，加上最后的大量的测试，共又花了2,3天。前后一共算下来共花了大概5天时间。
总的来说，难度不大，但是需要再花点精力。
有点难度的事情，主要是python中如何使用好正则表达式re模块，去写单个的pattern，但却能匹配多种不同的地址等，需要对正则表达式比较熟悉才能搞定的。
最后还是感慨一下，百度在QQ空间的技术实现上，真的很变态，详情参见：
（6）第六个版本
看到说没找到支持人人网搬家到wordpress的，所以就去实现了人人网搬家到wordpress。
添加了基本功能的支持，难度不大，但是需要先去实现登陆模式，因为人人网不登陆，是无法查看博客帖子的。
然后又发现有些公共主页，是可以不登陆，也是可以查看，也就添加了对应的支持导出为wxr。
另外，又花时间去测试了一些个别帖子，其评论多达1000多个，对其全部抓取并处理。
（7）第七个版本
看到有人在百度知道中提及想找CSDN搬家到wordpress，所以，就又花些时间去实现了这个功能。
（8）第八个版本
是看到中，支持很多博客，所以自己就又花点时间，对于搜狐等一些常见的博客，添加了支持。
（9）第九版
主要改变了WXR（XML）文件导出方式，由之前的在全部文章处理完毕，最后一次性导出所有的文章为WXR文件，
改为现在在处理过程中，（当大小超过文件大小限制，默认为2MB的时候）就导出。
因为之前的问题是，如果由于后期某个帖子出了问题，导致前面已经处理过的那么多帖子，都无法导出，还要重来一遍，
现在，可以很大程度的避免此问题了。因为处理过的帖子，加起来要导出的内容超过大小限制，就会及时导出。
这样最坏情况，也最多就是最近一些处理过当的帖子，没有及时导出而已。
(11)第十一版
先是去添加了博客大巴的支持，详见：
后来又去添加了新版百度空间的支持，详见：
(12)一是把子模块都移至子文件夹，使得逻辑和架构更加清晰。因为东西要做得好，不光是外在好用好看，内在也要逻辑清晰才行。
二是由于有人希望导出新版百度的私人的帖子，所以又去增加了对于新版百度空间的登陆模式和更新帖子的支持。
(13)为了方便用户，不需要再去下载安装chardet，所以把chardet集成进去了，发布了v13.8
后来又更新人人网的登陆模式，支持手动输入验证码登陆。
（16）详见：
BlogsToWordpress的相关数据
此脚本，算是在163-blog-mover.py和hi-baidu-mover_v2.py的基础上，自己一点点实现的。
不过呢，现在最新版本的代码中所包含的原先代码，大概不超过2%，可以说是&98%的内容，都是自己一点点从无到有实现的，所以可以说是绝大部分都是自己实现的。
现在BlogsToWordpress的全部代码，加起来的话，估计差不多有近5000行，基本上算是原先两者之和的10倍左右。
工作量和技术难度程度
其实，了解软件的都知道，代码量，不能准确反应出背后的工作量和技术的难度程度。
对于脚本的工作量和技术方面的难度程度，大概评估一下，可以算是：
如果最开始的163-blog-mover.py和hi-baidu-mover_v2.py的工作量和技术难度，都加起来，算是3个人工时的话，
那么三个版本：
（1）不支持登陆模式的第一个版本
工作量和难度，大概有30个人工时.
即，如果说，写163-blog-mover.py和hi-baidu-mover_v2.py需要花费3天的话，写出第一个脚本，至少需要30天=1个月。
其中太多细节和技术难点需要处理，主要精力花费在：
A。分析网页源码，以搞懂评论内容是如何获得的，即分析如何去提交对应的url以及相关的机制。如何提交评论地址，一点点获得所有的评论的内容。
B。获得了返回的评论的原始信息，如何解析处理，获得WXR中所需要的信息。这部分，最消耗时间，太多细节，需要一点点处理。太多评论中的异常的内容，需要考虑。
C。对于处理图片的部分，花费了巨大的精力。主要包括，如何写出一个完美的可以捕获到所有的可能的类型的图片地址，然后如何去下载对应的图片，接着再替换图片。关于用正则表达式re模块去写pattern的话，遇到了各种可能，测试了N个博客，改了N个版本，花了很多的精力和时间。
（2）支持登陆模式的和支持修改帖子的第二个版本
工作量和难度，在第二个版本的基础上，大概有15个人工时。
即在第二个版本的技术上，还需要花大概半个月才可以搞定。
其中主要精力花费是：
A。用IE9或chrome去分析网页登陆的背后逻辑，主要是相关的cookie的来龙去脉。
B。实现了登陆代码后，再去检测是否是登陆的是自己的博客。
C。抓取网页过程，分析发帖的逻辑。
D。实现修改帖子的代码，并测试多个博客，再修补一些bug或遇到特殊问题如何处理，比如遇到敏感词无法修改的帖子，自动跳过等。
总之，这部分，由于有了之前C#下面搞懂的网页登陆的一套逻辑，所以，实现起来，相对技术难度不是那么高，但是还是要花很多时间分析和实现相应代码的。
（3）最后的框架式的第三个版本
工作量和难度，大概有10个人工时.
即在第二个版本的基础上，还要再花个10天左右。
主要精力花费：
A。整理分离出框架代码：BlogsToWordpress
B。整理好子模块的代码，BlogBaidu，BlogNetease，以及自己的python库：crifanLib.py
C。全部代码都OK了，也要做前后加起来有10多个博客的测试，确保都是可以工作的。
这部分，总的来说，没太大技术问题，但是需要花时间和精力整理出来，以及做最后的测试。
（4）第四个版本
在v3.0的框架已经弄好的基础上，算是花了3天左右的时间，搞定了支持新浪博客搬家。
这部分，主要精力花在：
a。解决beautifulSoup的bug上面
b。支持图片下载功能，花了不少时间，主要是re模块的pattern很难弄出完美的，所以暂时只支持sina自己博客的图片，暂不支持其他地址的图片了。
c。自己找了N个博客，测试了各项功能是否OK
（5）第五个版本
v5.5的精力花费：
a。添加基本功能
b。支持各种图片地址及规避百度变态的编码等设计问题
c。大量的测试
大概花了5天时间。
对于v5.6中，解决了sina博客的帖子的评论有时候无法获取全部的bug。
下面是一些测试数据：
所用命令：
BlogsToWordpress.py -f
评论数目：20912个
所花费的时间：
———————————————————————-
Total Processed [0001] posts, averagely each consume seconds=
Total Consume Time: 00:17:58
  Find 1stLink: 00:00:00
  Process Post: 00:11:47
      Fetch   Pages     : 00:00:00
      Process Pictures  : 00:00:00
      Process Comments  : 00:11:37
      Translate Name    : 00:00:05
  Export Head : 00:00:00
  Export Posts: 00:06:08
  Export Foot : 00:00:00
所用命令：
BlogsToWordpress.py -f
评论数目：37463个
所花费的时间：
Total Processed [0001] posts, averagely each consume seconds=
Total Consume Time: 00:47:15
  Find 1stLink: 00:00:00
  Process Post: 00:22:23
      Fetch   Pages     : 00:00:00
      Process Pictures  : 00:00:00
      Process Comments  : 00:22:14
      Translate Name    : 00:00:03
  Export Head : 00:00:00
  Export Posts: 00:24:49
  Export Foot : 00:00:00
（6）第六个版本
共大概花了3天时间，精力花费：
（1）实现基本功能，基本上1天就实现了：1.0天
（2）花时间调试，处理个别特殊的帖子，其编码也是有问题，只能特殊处理才可以：0.5天
（3）添加了支持所有评论（测试过1000多个的）：0.5天
（4）支持了登陆模式（登陆并导出自己的人人网日志），非登陆模式（page模式，可导出一些不需要登陆即可查看的公共主页的日志），查看朋友模式（登陆自己的人人，但导出朋友的日志）：0.5天
（5）测试了十多个人人网，加起来有好几百个帖子，N个评论：0.5天
（7）第七个版本
大概花了2天时间
（1）用1天实现了基本功能
（2）剩下一天用于测试，测试中发现了几个bug，以及一些个别博客特殊，需要修bug和加上特殊处理。
难度不大，但是对于CSDN博客，也发现一些变态的地方。
其博客帖子，最新的那几个，其下一篇，不是正常的按照时间顺序的下一篇，而是都变成了博客最早的那篇帖子。
本来这种希望读者可以多浏览你CSDN博客的帖子的做法，如果只是最新一篇帖子是这样处理的，那是可以理解的。但是却是最新的好几篇，甚至好多篇帖子，其下一篇都是最早帖子，那就是脑子进水的做法了。
（8）第八个版本
大概花了2天时间：
（1）1天时间了基本功能。
（2）剩下大半天，主要就是处理搜狐中，一些比较变态的事情，主要是blog content部分，包括了很多额外的垃圾内容，主要是：
精彩阅读 ， 更多阅读 ， 更多文章推荐阅读，体验新版博客，分享到搜狐微博，分割线clear，上一篇，下一篇等。
因为正常的博客，其设计出来，一般都是博客的帖子的内容与这帖子内容有关，但是非帖子内容本身的，则肯定是不同的div，不同的段落，而搜狐设计出来的博客帖子内容，通过Beautifulsoup处理后得到soup，再
foundContent = soup.find(id=&main-content&);
而得到的foundContent ，却包含了上面那些垃圾内容，导致处理起来，很是麻烦，要写出合适的pattern去再去用re.sub以去除这些内容，而且还要兼容不同格式，很是麻烦。
另外，其中很多搜狐的博客帖子，比较早期的一些，很多帖子是没有上下篇的，导致也是需要全部获取文章url列表，以得知下一篇的url，所以也是很费事。总之，搜狐博客设计的，也是尼玛够变态的。
（9）第九版
花了大概1天时间
主要是调整代码的框架结构，比较麻烦些。代码弄好后，经过基本测试，都OK了。
而且还测试了整体处理速度，原以为会慢，但是实际上还略快5%-10%。
（10）后续琐事不再赘述。
所支持的功能
原先脚本只支持最基本的提取帖子的标题，内容，分类，（部分）评论等。
而现在所实现的BlogsToWordpress的第三个版本，全部列出来，大概有：
1.支持输入的地址，是多种格式的。
2.支持处理全部评论
3.支持登陆模式 –& 可以导入私人日志了
4.支持登陆模式下的修改帖子内容-&可以给原先帖子中添加搬家声明等内容
5.支持处理图片-&下载图片，并替换相应地址：就像最近一些博客，比如QQ空间，百度空间等所支持的，你发布帖子的时候，自动检测出其他图片，问你是否要在发帖的同时，上传图片到你的空间的那个功能。
6.支持处理（其他网站的图片） –& 可以处理其他网站的图片了
7.支持本博客的和其他网站的图片地址替换时候的，自定义所要替换为的图片地址
8.是否自动忽略处理那些图片，该图片地址和之前已经处理过但出错的图片地址类似 –& 以节省时间
9.是否启用google翻译-&用于生成WXR中的post title name，即wordpress中发布帖子的固定链接permanent link，可以通过启用google翻译，自动将标题翻译为英文，然后处理为有效的链接地址，这样导入到wordpress后，自动就有了固定链接了
10.支持自定义导出的帖子的地址的前缀
11.支持自定义所输出的WXR文件最大的大小值-&导出WXR时，如果超出此大小，则会自动分割，避免了还需要额外的其他XML分割工具来分割了。
12.可自定义所要处理的帖子的类型，包括publicOnly，privateOnly，privateAndPublic
13.对于每种类型的帖子，具体如何处理：exportToWxr和modifyPost，即导出为WXR文件，还是修改帖子的内容。
14.是否自动跳过含敏感词的帖子，以避免修改帖子时候，某个帖子出现这类错误，而导致脚本无法继续执行了。
以上所有参数，都支持开关的特性，即某个功能你不需要，那么就可以传递参数去关闭该功能。
多说一句，正是由于功能太多了点，参数名字也太多，导致参数的缩略字母，都很容易互相冲突，搞得在定义哪个参数用哪个字母，都纠结了一番。。。
更多内容，请参考脚本的-h参数所输出的帮助信息。
BlogsToWordpress功能简介
本BlogsToWordpress脚本支持两大类功能：
1. 将博客内容导出为WXR文件
用于将WXR导入到wordpress中，实现博客搬家的功能
其中，对于导入为WXR，又可以分两类：
（1） 非登陆模式
没有提供用户名和密码的情况下，对于访问一个博客，那当然只能查看对应的公开的发表的帖子了。
因此也只能处理对应的公开发布的帖子。
（2） 登陆模式
在提供了用户名和密码的情况下，支持登陆对应的博客，然后可以根据设置，处理相应类型的帖子。
主要包含两类，一类是处理公开发表的帖子，将这些帖子导出为publish类型的，这样导入Wordpress后，就是对应的已发布的类型的帖子了。
另一类主要是，对于有些博客中，包含有些私人类型的帖子
（百度空间中，会显示出“该文章为私有”；
网易博客中显示出“私人日志”）
将这类帖子，导出为private，这样，导入wordpress后，其帖子属性就是private了，就不会公开发布出来，可以在：
文章 –& 所有文章 –& 私密，中看到对应的私人的帖子。
2. 修改帖子内容
用于在博客搬家之后，给原先博客中的每个帖子，添加对应的搬家声明类的文字说明。
其他一些说明
1.已经在wordpress官网中的
中添加此链接，以方便想要搬家的人找到这里。
Revolver Maps
2014 年十一月
10111213141516
17181920212223
24252627282930
免费的格式化Javascript源码的网站
查询Unicode字符，且还带Oct,Decimal,Hex,HTML Entity
HTML和Javascript都支持，很好用。我发现我的ID会自己去访问别人的空间是怎么回事？！_百度空间吧_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0成为超级会员，使用一键签到本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
我发现我的ID会自己去访问别人的空间是怎么回事？！收藏
快试试吧，可以对自己使用挽尊卡咯~◆◆
我查看访问统计的时候 发现有些点击来自别人的百度空间首页 于是我特地退出登录状态 以未登录状态去访问他的空间 发现我的ID竟然出现在他的“最近访客”中 很明显是别人看到我的ID才点击访问我的百度空间的 可是我从来就没访问过他的空间 也不可能是账号被盗 因为这个现象出现很多次了
我也有同样的情况
我还莫名其妙
我没进别人的空间
偏偏有记录
登录百度帐号我的游戏推荐游戏
后查看最近玩过的游戏
为兴趣而生，贴吧更懂你。或最近想看看两年前在百度空间写的文章了（另一个账号），但是发现所有的日志都没有了_百度知道
最近想看看两年前在百度空间写的文章了（另一个账号），但是发现所有的日志都没有了
百度随便把用户的日志单方面删除，仅仅发一封电邮做最后通牒，这么做合理吗，用户的损失怎么办？
你好，可能是你的空间没有及时升级的原因。因为对于旧版空间，错过最后升级时间久不会保留，里面的文章就会消失。。。
其他类似问题
百度空间的相关知识
按默认排序
其他1条回答
我的也全没了。好多以前写的文章呢
等待您来回答
您可能关注的推广
下载知道APP
随时随地咨询
出门在外也不愁我的百度空间财富值怎么一点也没有了，给我一个答案吧，谢谢_百度知道
我的百度空间财富值怎么一点也没有了，给我一个答案吧，谢谢
各位帮帮我吧！，跪谢最近我已没有分数了
提问者采纳
被管理员删除，被管理员删霓罓钝溉墁防呼囊除，被管理员删除、不通过提高悬赏延期问题有效时间你是不是下载了百度文库中的文献或者是其它，答复者不扣
回答上线后被删除 －10 -10 回答上线后，不关闭问题，扣除评论用户5分
问题15天内不处理 －20 -20 问题到期？你看一下：处罚
提问上线后被删除 －20 -20 提问上线后，扣除提问用户20分，提问用户不作处理（不做最佳答案判断，扣除回答用户10分
评论上线后被删除 －5 -5 评论上线后，或不转入投票流程）
提问者评价
非常感谢你的无私奉献，谢谢！！！！
参考资料：
其他类似问题
百度空间的相关知识
其他3条回答
想要什么答案呢
百度空间和百度知道的财富不是一回事的，如果你想要提问时所用的财富，就只有多回答问题，如果采纳了，那就是财富值了
你只能靠多会打来获得财富值啊~~你查查有没有过自己刷分作弊被扣分的记录，上次我的就被扣没了 问题逾期不解决也会扣20财富
等待您来回答
您可能关注的推广回答者：
下载知道APP
随时随地咨询
出门在外也不愁申请百度空间没有成功，会自动跳转成发现精彩生活，怎么回事？解决好我提高到十分_百度知道
申请百度空间没有成功，会自动跳转成发现精彩生活，怎么回事？解决好我提高到十分
提问者采纳
既然到吧里问过了就还是等等看吧，一般这种问题要上交处理的吧，一天两天可能也解决不了。
亲你在说神马，我申请的空间跟吧有神马关系……
其他类似问题
自动跳转的相关知识
等待您来回答
您可能关注的推广
下载知道APP
随时随地咨询
出门在外也不愁}