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/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.requestfrom bs4 import BeautifulSoupimport osdef getid (x):url = r'/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('/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 '/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 markdownmv *.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 osimport jsonsourceDir = './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: -06-29 00:00:00 +0800\n')mdFile.write('update: -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()
嗯，我给每个博客都添加了一点元信息，不知道标准不标准，呵呵。
好，通过上面的几步，我就已经给所有的博客文章都备份到本地了。下面我想把所有的图片再全部备份出来，抽时间搞一下。
本文所有脚本均是在 mac 下运行的。linux 下可能略有差异，请注意。windows 下我不知道如何运行，不过可以搞一个云服务器或者虚拟机来跑，都是没有问题的。
本文由 FungLeo 原创，允许转载，但转载必须保留首发链接。
