動機
自從我把Github+Hexo的博客“交給”Google之后，每天都有幾十位的訪客2333，訪客少的原因有許多，一個是文章較少，二是百度蟲子沒有爬到我的頁面，就會導致即就算直接搜索博客里面的內容，百度都不會返回我的地址，就這個情況我已經使用百度和谷歌去處理了，至于文章較少的問題，我打算做個博客遷移！
我大三到現在的所有博客全部都在CSDN上，所以要對CSDN做一個文章導出功能，官方提供了工具，然而我昨天試了并不行。有博友自己提供了工具，是用python寫的，本來打算用的，但是自己電腦沒有裝python，一時興起決定用java寫個小程序，自己動手豐衣足食，說干就干，整體的思路如下圖：
使用Jsoup去獲取頁面并解析--->將對應html代碼轉換成MD文件存儲到本地--->最后放到對應位置，執行
hexo g和hexo d命令發布到Github上
過程
解析CSDN
比較慶幸的是CSDN并沒有對“爬蟲”做相關的處理，也就是說，我使用Jsoup獲取頁面并解析是沒有任何限制的(至少我沒有遇到)，這里需要做個簡單的邏輯來獲取article/list頁面的所有文章列表url包括摘要。在接著根據url將對應文章的內容結構化解析出來，代碼如下
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("頁")[0]; // 有點暴力，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();
}
}
代碼可能較糙。
這里結構化我是按照Hexo的方式來定的，
---
title: {{ title }}
date: {{ date }}
categories:
tags:
---
<!--more-->
more上面為文章摘要，下面為正文。
html2md
走到這一步的時候，我并沒有打算自己去寫，我知道這不是一個簡單的程序，我在Github上找了許久，大部分是js寫的，期間我也嘗試使用java去調用js代碼去完成轉換，但是失敗了，最后決定使用這個https://github.com/pnikosis/jHTML2Md，
看來這位哥們寫這個的本意也是要搞博客遷移，因為里面有這樣一個方法
htmlToHexoMd(String htmlPath, String mdPath, String charset)
當然了我沒有用到，我用的是這個方法
String convertHtml(String html, String charset)
很順利，文章成功導出，一些文章的標題創建不了文件，也就三篇，我就沒有去管他
讓人高興的是，你只要知道一個人的博客昵稱如“u010850027”，你都可以把他的文章導出來~~~
hexo發布
按理說，將對應的md文件放在“hexodir/source/_posts”下，然后執行發布命令就ok了，然而，此次最大的問題出現了，html轉換md文件的問題！！！
對于一些簡單的html代碼，可以很完美的轉換為md文件，但是對于復雜的就不行了，單單csdn里的代碼塊，都解析不了，后來我改了下作者的源碼，然而也不行，因為CSDN有兩種代碼塊方式，一個是markdown的一個是代碼高亮，這一下問題就變的稍復雜起來。由于時間的問題，我打算先放一放，平時思考思考再看看能否解決。
后記
開始實現這個想法是周日凌晨開始的，真的，半夜聽歌喝茶寫代碼會“高潮”！不知不覺搞到了凌晨三點多，然后睡覺，腦海里一直在想著這個問題，第二天上午也花了時間去解決問題，我想要是再花再這個上面，周末就玩完了。所以就暫且放一放！
最后白板上，藍色虛線內的已經走通，紅色區域內的問題是要重點解決的，待問題解決，就一路暢通了~~~
代碼放在了這里：Github
想關注后續的歡迎star和fork
歡迎來我的博客參觀
