从BLOG到电子书——把wordpress备份的WXR转为epub

古人云，敝帚自珍。

虽然自己写的BLOG都是些没营养的东西，但还是想收藏起来。

花了点时间研究了一下epub格式，写了段转换程序，把Wordpress导出的备份文件WXR转成epub格式。

本想贴代码凑数，结果发现代码还是多了点，所以还是改成下载吧。

第一个是生成epub的库：epubbuilder.py

（源码附后）

之后是解析WXR并调用epubbuilder生成epub的主程序：wxr2epub.py

（源码附后）

下载：wxr2epub source code 5.4K(GPL)。

使用时在源目录下放一个叫做wordpress.xml的WXR文件，再创建一个images的子目录，里面放上文章中所有引用过的图片，最好有一个叫cover.jpg的，这个图片将会被作为电子书的封面。生成的电子书每一篇文章及其评论会作为电子书的一个章节，文章多的话，目录项会很多，某些电子书软件可能无法完全显示所有目录项。

所以说，还是开放好啊。Wordpress的WXR用的是开放的XML格式，epub也是用开放的zip＋HTML＋XML格式。

像CSDN BLOG这种自己开发的平台就没办法了……当然也不是完全没有办法，可以自己写一个爬虫去把页面全抓下来，再用pyquery之类的解析出内容，然后生成epub。不过这就麻烦得多了，除了程序写起来麻烦以外，还要防止爬得过猛被网站封IP之类的副作用——这事我也干过，不过不是对CSDN。