ワタナベのブログ

そろそろ私もblogを復活したほうがよい雰囲気になってきました。

手始めに、せっかくの過去のXoopsベースのブログでの投稿をどうにかこのMobableTypeにマージしたいという多方面のニーズをくみ取って（？）ちょこちょこっとインポート用のデータを吸い出すプログラムを書きました（末尾に掲載）。

このへんを参考にスクレイピングをしています。XPathやCSSセレクタの表現で簡単に目的のコンテンツが取れますねぇ。いや、実に簡単。

旧ブログのエントリは全て吸い出しましたので、旧ブログの投稿をされていた方で、ご希望の方は、公開状態を「未公開(原稿)」にしてインポートしますので、コメントください。（ただし旧ブログのコメントは吸い出していません。やろうと思えばできると思いますが。。。）

ところで、「コミュニティの人々」のページが更新されないような気がしていましたので、 少し探ってみると、SQLほにゃららのエラーが出て同ページの再構築に失敗していました。でもテンプレートの編集画面で再構築を実行すると、なぜか成功するんですねぇ。不思議。

ということで、今後ともよろしくお願いします。

#!/usr/bin/perl
use strict;
use warnings;
use utf8;

use URI::Fetch;
use LWP::UserAgent;
use HTML::Selector::XPath;
use HTML::TreeBuilder::XPath;
use HTML::Entities qw/decode_entities/;
use Encode;

my $base = 'http://www.tyzoh.jp/www.tyzoh.jp/modules/weblog/details.php_blog_id=%s';

my $id = shift or die "usage: $0 ";
my $ua = LWP::UserAgent->new();
$ua->env_proxy();
my $res = URI::Fetch->fetch(sprintf($base, $id), (UserAgent=>$ua))
    or die URI::Fetch->errstr;

my $tree = HTML::TreeBuilder::XPath->new;
$tree->parse($res->content);
$tree->eof;

my $content = $tree->findnodes(selector('#content'))->shift;

my $date = $content->look_down(_tag => 'div', class => 'blogDate')->as_text;
$date =~ s#(\d\d\d\d)/(\d\d)/(\d\d)#$2/$3/$1#;

my $entry = $content->look_down(_tag => 'div', class => 'blogEntry');
my $title = decode('Shift_JIS', $entry->look_down(class => 'blogTitle')->as_text);
my $auther = decode('Shift_JIS', $entry->findnodes(selector('.blogShoulder a'))->shift->as_text);
my $time   = $entry->look_down(class => 'blogShoulder')->as_text;
$time =~ m/.*\((\d?\d):(\d?\d) (pm|am)\)$/;
$time = sprintf "%02d:%02d:00", (($3 eq 'pm' and $1 != 12) ? $1 + 12: $1), $2;

my $html = $entry->look_down(_tag => 'div', "class" => "blogContents")->as_HTML;
   （以下略）

インポート用のデータフォーマットは、「Movable Type のブログ記事インポートフォーマット 」を参考にしました。

自分だけ旧Tyzohブログをインポートの続きを読む