用Python导出QQ空间的日志到WordPress

用Python导出QQ空间的日志到WordPress
  　　文章来源：http://www.keakon.cn/bbs/thread-964-1-1.html
　　方法很简单，找出日志的地址，再遍历列出日志的内容。   
因为单纯导出没用，还得转换成其他格式，所以我保存到一个列表里，每篇日志都对应其中的一个字典元素，字典的属性都用unicode编码。   
然后dump出来，可以方便以后用Python进行再处理（默认为blogs.txt文件）。   
并转换成了WordPress用的格式（默认为qzone.xml文件）。   
本想用多线程来下载，但似乎没必要，因为只花了80秒，我的149篇日志就全部下载下来了。   
如果空间有设置访问权限的话，可以用Client这个模块来处理，把注释改下就行了。   
此外，这个也可以盗取别人的日志，但愿不要滥用…   
最后，评论我没下载，因为WordPress好像不能导入评论。   
代码如下：
　　复制内容到剪贴板
  代码:
# -*- coding: gbk -*-   
from __future__ import with_statement   
import codecs   
from datetime import datetime   
from datetime import timedelta   
from os import linesep   
import cPickle   
#import Client   
from urllib2 import urlopen   
mainUrl = 'http://%s.qzone.qq.com/'   
listUrl = 'http://b.qzone.qq.com/cgi-bin/blognew/blog_output_toppage?uin=%(qq)s&vuin=0&property=GoRE&getall=1&imgdm=imgcache.qq.com&bdm=b.qzone.qq.com&cate=&numperpage=100&sorttype=0&arch=0&pos=%(pos)d&direct=1'   
blogUrl = 'http://qzone.qq.com/blog/%(qq)s-%(blogid)s'   
GMT_FORMAT = '%a, %d %b %Y %H:%M:%S +0800'   
HEADER = u'''   
   
   
  %(author)s的QQ空间   
  %(deion)s   
  %(time)s   
  keakon的QQ空间导出程序   
  zh-CN   
  1.0   
'''.replace('\n', linesep)   
FOOTER = '''   
'''.replace('\n', linesep)   
#cj = Client.MSIEJar(delayload=True)   
#cj.load_from_registry()   
#opener = Client.build_opener(Client.HTTPProcessor(cj))   
#Client.install_opener(opener)   
def getBasicInfo(qq):   
  AUTHOR = '< name=&quot;author&quot; content=&quot;'   
  AUTHOR_LEN = len(AUTHOR)   
  DESC = '< name=&quot;Deion&quot; content=&quot;'   
  DESC_LEN = len(DESC)   
  #res = Client.urlopen(mainUrl % qq)   
  res = urlopen(mainUrl % qq)   
  html = res.read()   
  begin = html.find(AUTHOR)   
  if begin == -1:   
    raise URLError, 'HTML not complete.'   
  begin += AUTHOR_LEN   
  end = html.find('&quot;', begin)   
  author = unicode(html[begin:end], 'utf8', 'replace')   
  begin = html.find(DESC)   
  if begin == -1:   
    raise URLError, 'HTML not complete.'   
  begin += DESC_LEN   
  end = html.find('&quot;', begin)   
  deion = unicode(html[begin:end], 'utf8', 'replace')   
  return author, deion   
def getBlogList(qq):   
  global listUrl   
  CATEGORY = &quot;selectCategory('&quot;   
  CAT_LEN =  len(CATEGORY)   
  BLOG = 'selectBlog('   
  BLOG_LEN = len(BLOG)   
  pos = 0   
  round = 0   
  blogs = []   
  while pos == len(blogs):   
    #res = Client.urlopen(listUrl % {'qq': qq, 'pos': pos})   
    res = urlopen(listUrl % {'qq': qq, 'pos': pos})   
    html = res.read()   
    res.close()   
    begin = 0   
    while True:   
      begin = html.find(CATEGORY, begin)   
      if begin == -1:   
        break   
      else:   
        begin += CAT_LEN   
        end = html.find(&quot;')&quot;, begin)   
        blog = {}   
        blog['category'] = unicode(html[begin:end], 'gb18030', 'replace')   
        begin = html.find(BLOG, end)   
        if begin == -1:   
          raise URLError, 'HTML not complete.'   
        else:   
          begin += BLOG_LEN   
          end = html.find(')', begin)   
          blog['id'] = html[begin:end]   
          blogs.append(blog)   
          begin = end   
    pos += 100   
    print '已找到%d篇' % len(blogs)   
  return blogs   
def getBlogContent(qq, author, blogs, outFile):   
  global blogUrl   
  TITLE = u''   
  TIT_LEN = len(TITLE)   
  TITLE_END = u''   
  TIME = u'发表时间：'   
  TIME_LEN = len(TIME)   
  DETAIL = u'   
    %(time)s   
    %(gmtTime)s   
    open   
    open   
    %(title)s   
    publish   
    0   
    0   
    post   
        
      
'''.replace('\n', linesep)   
  for index, blog in enumerate(blogs):   
    url = blogUrl % {'qq': qq, 'blogid': blog['id']}   
    print '正在下载第%(index)d篇日志: %(url)s' % {'index': index + 1, 'url': url}   
    #res = Client.urlopen(url)   
    res = urlopen(url)   
    html = res.read()   
    res.close()   
    content = unicode(html, 'gbk', 'replace')   
    begin = content.find(TITLE)   
    if begin == -1:   
      print 'HTML not complete. ID: ' + blog['id']   
      continue   
    begin += TIT_LEN   
    end = content.find(TITLE_END, begin)   
    blog['title'] = content[begin:end]   
    begin = content.find(TIME, end)   
    if begin == -1:   
      print 'HTML not complete. ID: ' + blog['id']   
      continue   
    begin += TIME_LEN   
    end = content.find('\r\n', begin)   
    blog['time'] = datetime.strptime(content[begin:end].encode('gbk'), TIME_FORMAT)   
    begin = content.find(DETAIL, end)   
    if begin == -1:   
      print 'HTML not complete. ID: ' + blog['id']   
      continue   
    begin = content.find('>', begin) + 1   
    if begin == 0:   
      print 'HTML not complete. ID: ' + blog['id']   
      continue   
    end = content.find(DETAIL_END, begin)   
    if end == -1:   
      print 'HTML not complete. ID: ' + blog['id']   
      continue   
    # 去掉最后2个div关闭标签   
    end2 = content.rfind(DETAIL_END_DIV, begin, end)   
    if end2 != -1:   
      end3 = content.rfind(DETAIL_END_DIV, begin, end2)   
      end = end3 != -1 and end3 or end2   
    blog['content'] = content[begin:end].strip()   
    outFile.write(ITEM % {'title': blog['title'], 'author': author, 'content': blog['content'],   
                  'time': blog['time'].strftime(DATE_FORMAT),   
                  'gmtTime': (blog['time'] -timedelta(hours=8)).strftime(DATE_FORMAT),   
                  'pubDate': blog['time'].strftime(GMT_FORMAT)})   
def main(qq, filename='qzone.xml', filename2='blogs.txt'):   
  author, deion = getBasicInfo(qq)   
  blogs = getBlogList(qq)   
  if not blogs:   
    print '没有找到日志。若您设置了QQ空间权限，请用IE登录QQ空间，并启用。'   
    exit(1)   
  categories = set([blog['category'] for blog in blogs])   
  with codecs.open(filename, 'w', 'utf8') as out   
    # write header   
    outFile.write(HEADER % {'author': author, 'deion': deion, 'time': datetime.now().strftime(GMT_FORMAT)})   
    for category in set([blog['category'] for blog in blogs]):   
      outFile.write(u'  %(category)s%(linesep)s' % {'category': category, 'linesep': linesep})   
    # write item   
    getBlogContent(qq, author, blogs, outFile)   
    # write footer   
    outFile.write(FOOTER)   
  with open(filename2, 'w') as outFile2:   
    cPickle.dump(blogs, outFile2)   
  print '全部导出完毕'   
if __name__ == &quot;__main__&quot;:   
  main('123456789') # 这里填你的QQ号