python+shell 备份 CSDN 博客文章，CSDN博客备份工具

在 csdn 写了几年的博客了。多少也积累了两三百篇博文，近日，想把自己的这些文章全部备份下来，于是开始寻找解决方案。

我找到了一个同为 CSDN 博主写的 python 脚本工具，尝试了一下，发现因为网站改版的原因，原先的脚本已经不能运行了。

其实，这是想要一揽子解决问题的脚本的通病，当一处变化，整个脚本就要作废。所以，我决定自己来解决这个问题，并且这个解决问题的方案，不会因为官方的改版就不能使用，只要稍微修改一下代码，即可。

分析备份文章的步骤

将一个大的问题，拆成若干个小的问题，即可轻松解决问题。

csdn 的每篇博文都有独立的 ID
因此，我们需要把所有的 ID 都找出来。
csdn 肯定有接口，展示我们的 markdown 格式的文本
因为我们每次打开编辑器的时候，文本都会被渲染出来，所以肯定有接口。
就算没有接口，我们通过浏览器能访问到我们的文章，我们就一定有办法保存下来。
不过 csdn 有，所以没有尝试了。呵呵。
通过 ID 和接口，把文本全部读取出来，并保存到本地。

好，大概就是这个流程。

搞到所有文章的ID

这个会有很多种方法，我直接通过爬取我的博客首页，来拿到所有的文章 ID。分析一下我的博客的首页列表，我们可以看到这样的 url 格式 https://blog.csdn.net/fungleo/article/list/2。而我的博文有 14 页，所以，很容易猜测到我的博客问的所有列表。

循环一个 14 的数字即可。你有多少，就循环多少咯。然后我们分析一下源码：

如上，我们的 ID 在一个名为 text-truncate 的 h4 标签中的 a 链接的结尾。通过 BeautifulSoup 这个 python 爬虫工具，我们可以非常轻松的拿到这个值。

于是，我写出了下面的脚本：

#!/usr/bin/env python3
# -*- coding: UTF-8 -*-
import  urllib.request
from bs4 import BeautifulSoup
import os
def getid (x):
    url = r'https://blog.csdn.net/fungleo/article/list/' + str(x)
    res = urllib.request.urlopen(url)
    html = res.read().decode('utf-8')
    soup = BeautifulSoup(html,'html.parser')
    links = soup.find_all('h4', 'text-truncate')
    for i in links:
        os.system('echo ' + str(i.a['href']).replace('https://blog.csdn.net/fungleo/article/details/', '') + ' >> id.txt')
for i in range(14):
    getid(i)

好，现在，我们所有的博客文章的 ID 都已经存在了 id.txt 这个文件夹下面了。

这里，我用了 python 执行 shell 脚本的方式写入文件。确实，shell 实在太方便了。

下载博客文章的所有的 json 数据

我通过分析博客的编辑器，顺利找到了一个接口，其结果如下：

这个接口，实在是太完美了。下面，我就要把这些全部下载下来。

首先，我们先拿到 curl 的请求数据，在 chrome 浏览器中这样操作：

然后将复制到的内容，直接在终端内运行，果然能够拿到数据。这就好了，下面一个 shell 脚本循环，下载所有的 json 到本地。

首先，我们将浏览器用上面的操作复制出来的内容保存为一个 t.sh 的脚本文件，修改其中的 id 为 $1

curl 'https://mp.csdn.net/mdeditor/getArticle?id=$1' -H 'Cookie: __这里的代码我删除掉了。__' --compressed

然后，我们在命令行输入以下命令直接运行：

for i in $(cat id.txt); do sh t.sh $i > $i.json; sleep 1; done

好，经过数分钟的运行之后，我们的所有 JSON 数据就都已经保存到本地了。

至于这里为什么要用 shell 是因为它是在是太方便了。简单一句代码，就搞定所有问题。

将 json 数据读取，并保存成 markdown 格式的博文

通过两步，我们就已经拿到了数据了，下面要进行的就是数据的处理，这个 shell 就不方便了，我们继续用 python 脚本来解决问题。

我刚刚下载的时候，把 json 文件和我们的脚本放在一起了。我要规整一下，执行下面的几条命令：

mkdir json markdown
mv *.json json

好，下面我们要把 json 文件夹中的所有数据读取，转换为 markdown 格式，并保存到 markdown 文件夹中。

脚本如下：

#!/usr/bin/env python3
# -*- coding: UTF-8 -*-
import os
import json
sourceDir = './json'
def readJson (filPath):
    f = open(filPath, encoding='utf-8')
    data = json.load(f)
    title = data['data']['title'].replace('/', ':')
    content = data['data']['markdowncontent']
    tags = data['data']['tags'].split(',')
    if content:
        mdFile = open('''./markdown/{title}.md'''.format(title=title), 'a+')
        mdFile.write('title: ' + title + '\n')
        mdFile.write('date: 2018-06-29 00:00:00 +0800\n')
        mdFile.write('update: 2018-06-29 00:00:00 +0800\n')
        mdFile.write('author: fungleo\n')
        mdFile.write('tags:\n')
        for tag in tags:
            mdFile.write(' -' + tag + '\n')
        mdFile.write('---\n\n')
        mdFile.write(content)
def findJson ():
    for fil in os.listdir(sourceDir):
        filPath = os.path.join(sourceDir, fil)
        readJson(filPath)
findJson()