分享导出博客园文章成本地 Markdown 文件存储的工具
此文主要分享了如何将自己博客园的文章自动导出到 Markdown 文档进行存储，以便在本地进行归档管理，程序中也对文章的分类、tag、代码块以及文章中的图片进行了保存处理，以便上传到自己的图床。
支持的功能
- 可以循环抓取自己博客园的所有文章导出到 Markdown 文件进行保存；
- 在 Markdown 的头部保存了原文章的标题、发表时间、文章分类、文章 tag 元素；
- 文章中的代码块会抽取出来包含在
codeblock中，你也可以修改源码保存成其他的格式块； - 保存的文件名就是原文章的路径，如果你的文章都设置了
EntryName，那生成的文件名就会非常的友好； - 文章中的图片可选进行本地保存，命名的格式为源文件名，并可在原文中将链接进行图床前缀的替换，你可以修改源码按照自己的格式进行保存。
抓取保存后文件预览。
基本原理
- 循环抓取博客的列表，获取到文章的链接；
- 循环文章的链接，进行抓取，提取元素；
- 保存抓取到的元素进行格式化并保存。
几个知识点
将 HTML 转换成 Markdown
这里使用了一个开源的组件 Html2Markdown ,在控制台安装组件后就可以使用了，主要支持两个方法。
对字符串进行转换
var html = "Something to <strong>convert</strong>"; var converter = new Converter(); var markdown = converter.Convert(html);对文件进行转换
var path = "file.html"; var converter = new Converter(); var markdown = converter.ConvertFile(path);注意 Mac 和 Windows 以及 Linux 下的换行的区别
具体的区别可以看这里，可以根据自己的情况对源码进行修改。
unix、windows、mac 的换行习惯
unix / linux：用 LF (/n) 表示一行结束。
mac：用 CR (/r) 表示一行结束。
windows：用 CR LF (/r/n) 和起来表示一行结束。
文章分类、tag 的获取
分析后发现通过模拟请求 API 获取即可，需要的参数通过正则匹配获取，返回数据为 Unicode 进行转码提取。
文章中图片保存
你可以修改源码开启或关闭此功能，使用文章中文件名作为保存到本地的文件名，并将文章中的图片前缀进行了替换，你可以替换成你自己新的图床地址。输出的图片文件在程序启动的 images 文件夹。
项目开源下载
项目源代码在 GitHub
需要注意的问题是，项目中可能因为新旧文章中某些格式的变化导致抓取出来的 Markdown 格式可能稍有偏差，以及图片、代码块的处理，你需要去根据自己的博客去进行对应的调整后使用。
正文到此结束
热门推荐
相关文章
近期评论
-
文章和留言都翻到11页了 没有OOM
-
-
朋友，翻页到11页，及以后，会出现OOM，无法访问
-
-
搞个gitee的项目
-
-
版本号是多少，你可以下载哪个代码仓库，jdk选1.8 直接跑就行
-
-
-
Loading...
![[HBLOG]公众号](https://www.liuhaihua.cn/img/qrcode_gzh.jpg)
