备份blog程序

 前些年头的blog被和谐后，一直觉得备份博客文章到本地还是相当有必要的。最近看python，此语言给人一种powerful 的感觉。于是兴头之下便来了几句。此代码只是针对csdn博客。方法有点呆板。其实最好是有1个可变的可迭代集合来存放url，python里有人写了优先队列，这是以后要改进的，现在先放一个朴素版本。另外一个用rss来获取url的，但是rss只是收录了更新的博客，老的没有，不知道什么原因，在这就不贴了。

1. import urllib2,sys,re,os
3. def savefile(filename, content, method = 'wb'):
4.     op = open(filename, method)
5.     op.write(content)
6.     op.close()
7.     return 1
9. def SaveUrl(url):
10.     global urls
11.     urls[url]=1
12.     c=urllib2.urlopen(url)
13.     content=c.read()
14.     if len(url.split('/'))>5:
15.         dirs=("%s/backup/%s/%s" % ('.', url.split('/')[-4],url.split('/')[-3]))
16.         if not os.path.exists(dirs):
17.             os.makedirs(dirs)
18.         savefile("%s/%s"%(dirs,url.split('/')[-1].replace('aspx','html')), content)
19.         print 'save url',url
20.     urlres=re.compile("http:blog.csdn.net//lwj1396//archive//[^/">/s/']+aspx")
21.     needtoaddurls=urlres.findall(content)
22.     for item in needtoaddurls:
23.         if item not in urls.keys():
24.             urls.setdefault(item,0)
25.             print 'add',url
27. def Backup():
28.     global urls
29.     i=10000
30.     while i>0:
31.         for url in urls:
32.             if urls[url]==0:
33.                 SaveUrl(url)
34.                 break
35.         i=i-1
37. if __name__=='__main__':
38.     urls={}
39.     urls.setdefault(r'http://blog.csdn.net/lwj1396',0)
40.     Backup()