CSDN博客迁移至Hexo之同步CSDN博文到本地MD文件

夜班敲声-凌晨三点

动机

　　自从我把Github+Hexo的博客“交给”Google之后，每天都有几十位的访客2333，访客少的原因有许多，一个是文章较少，二是百度虫子没有爬到我的页面，就会导致即就算直接搜索博客里面的内容，百度都不会返回我的地址，就这个情况我已经使用百度和谷歌去处理了，至于文章较少的问题，我打算做个博客迁移！
　　我大三到现在的所有博客全部都在CSDN上，所以要对CSDN做一个文章导出功能，官方提供了工具，然而我昨天试了并不行。有博友自己提供了工具，是用python写的，本来打算用的，但是自己电脑没有装python，一时兴起决定用java写个小程序，自己动手丰衣足食，说干就干，整体的思路如下图：
大体的流程
使用Jsoup去获取页面并解析—>将对应html代码转换成MD文件存储到本地—>最后放到对应位置，执行hexo g和hexo d命令发布到Github上

过程

解析CSDN

　　比较庆幸的是CSDN并没有对“爬虫”做相关的处理，也就是说，我使用Jsoup获取页面并解析是没有任何限制的(至少我没有遇到)，这里需要做个简单的逻辑来获取article/list页面的所有文章列表url包括摘要。在接着根据url将对应文章的内容结构化解析出来，代码如下

String url = HOST_URL + username + "/article/list/" + 1;
Document parse = Jsoup.parse(new URL(url), 5000);
Element element = parse.select("div#papelist span").get(0);
String papelistInfo = element.text();
String totalPage = papelistInfo.split("共")[1].split("页")[0]; // 有点暴力，需注意
int total = Integer.valueOf(totalPage);
System.out.println(total);
Map<String,String> map = new HashMap<>();
for (int i = 1; i <= total; i++) {
    String listUrl = HOST_URL + username + "/article/list/" + i;
    Document doc = Jsoup.parse(new URL(listUrl), 5000);
    Elements topSelect = doc.select(TOP_XPATH);
    Elements normalSelect = doc.select(NOMAIL_QUERY);
    for (Element item : topSelect) {
        map.put(item.select(".article_title  h1  span  a").get(0).attr("href"),item.select(".article_description").get(0).text());
    }
    for (Element item : normalSelect) {
        map.put(item.select(".article_title  h1  span  a").get(0).attr("href"),item.select(".article_description").get(0).text());
    }
}
Set<String> strings = map.keySet();
for(String item:strings){
    Document doc = Jsoup.parse(new URL(HOST_URL + item), 5000);
    BlogModel bm = new BlogModel();
    bm.setTitle(doc.select("#article_details > div.article_title > h1 > span > a").text());
    bm.setDesc(map.get(item));
    bm.setPublishDate(doc.select("#article_details > div.article_manage.clearfix > div.article_r > span.link_postdate").text());
    Elements select = doc.select("#article_details > div.category.clearfix > div.category_r");
    List<String> cat = new ArrayList<>();
    for(Element ele : select){
        String text = ele.select("label span").get(0).text();
        int i = text.lastIndexOf("（");
        if(i>=0){
            String substring = text.substring(0, i);
            cat.add(substring);
        }else{
            cat.add(text);
        }
        ;
    }
    bm.setCategories(cat);
    Elements tagEles = doc.select("#article_details > div.article_manage.clearfix > div.article_l > span > a");
    List<String> tags = new ArrayList<>();
    for(Element ele : tagEles){
        String text = ele.text();
        tags.add(text);
    }
    bm.setTags(tags);
    doc.getElementsByTag("script").remove();
    bm.setContent(doc.select("#article_content").html());
    try{
        buildHexo(bm);
    }catch (Exception e){
        e.printStackTrace();
    }

}

代码可能较糙。
这里结构化我是按照Hexo的方式来定的，

---
title: {{ title }}
date: {{ date }}
categories:
tags:
---

<!--more-->

more上面为文章摘要，下面为正文。

html2md

　　走到这一步的时候，我并没有打算自己去写，我知道这不是一个简单的程序，我在Github上找了许久，大部分是js写的，期间我也尝试使用java去调用js代码去完成转换，但是失败了，最后决定使用这个https://github.com/pnikosis/jHTML2Md，
看来这位哥们写这个的本意也是要搞博客迁移，因为里面有这样一个方法

1	htmlToHexoMd(String htmlPath, String mdPath, String charset)

当然了我没有用到，我用的是这个方法

1	String convertHtml(String html, String charset)

很顺利，文章成功导出，一些文章的标题创建不了文件，也就三篇，我就没有去管他
结果.png

让人高兴的是，你只要知道一个人的博客昵称如“u010850027”，你都可以把他的文章导出

hexo发布

按理说，将对应的md文件放在“hexodir/source/_posts”下，然后执行发布命令就ok了，然而，此次最大的问题出现了，html转换md文件的问题！！！
　　对于一些简单的html代码，可以很完美的转换为md文件，但是对于复杂的就不行了，单单csdn里的代码块，都解析不了，后来我改了下作者的源码，然而也不行，因为CSDN有两种代码块方式，一个是markdown的一个是代码高亮，这一下问题就变的稍复杂起来。由于时间的问题，我打算先放一放，平时思考思考再看看能否解决。

后记

开始实现这个想法是周日凌晨开始的，真的，半夜听歌喝茶写代码会“高潮”！不知不觉搞到了凌晨三点多，然后睡觉，脑海里一直在想着这个问题，第二天上午也花了时间去解决问题，我想要是再花再这个上面，周末就玩完了。所以就暂且放一放！
　　最后白板上，蓝色虚线内的已经走通，红色区域内的问题是要重点解决的，待问题解决，就一路畅通了~

代码放在了这里：Github
想关注后续的欢迎star和fork