Livespace要在明年关闭了，搭建了micolog在google app engine，方便以后自己挣腾。上次用生拙的C#写个live space到livespace的博客迁移工具，使用metaweblog接口，见 Live Spaces新旧空间迁移方法 。上次使用getRecentPosts函数依次取得最近的一篇，然后存档后发表后，删除。这次通过正则表达式分析网页内容，获取到postid后，再使有getPost接口获取文章，再进行发表，而且这次使用python写成的。

metaweblog的内容不再叙述，其实这个协议写得真不怎么样，没有检索文章的接口，要让人硬生生地从网页中分析出postid来。因此解析postid是这个迁移工具的重要内容。

#获取www.cppblog.com样式的postid列表
def getCppblogId(blog):
  url='http://www.cppblog.com/'+blog['user']+'/default.html?page=1&OnlyTitle=1'
  urlfile = urllib.urlopen(url)
  html = urlfile.read()
  #获取存档页码数
  pattern = re.compile(r'http://www.cppblog.com/'+blog['user']+'/default.html\?page=(\d+)&OnlyTitle=1')
  pages = [1]
  pages += pattern.findall(html)

  ids=[]
  for p in pages:
    url= 'http://www.cppblog.com/'+blog['user']+'/default.html?page='+str(p)+'&OnlyTitle=1'
    urlfile = urllib.urlopen(url)
    html = urlfile.read()
    pattern = re.compile(r'http://www.cppblog.com/'+blog['user']+'/admin/EditPosts.aspx\?postid=(\d+)')
    id = pattern.findall(html)
    ids += id
  return ids

利用存档页面得到总共页数（或许页数多了或有问题，未验证），然后在每页解析出postid，cppblog较简单

def getLivespaceId(blog):
  ids=[]
  url=blog['user']+'.spaces.live.com/blog/'
  i=0
  while True:
    url='http://'+url
    urlfile = urllib.urlopen(url)
    html = urlfile.read()
    #print html
    pattern = re.compile(r'entrycns!'+'([a-zA-Z0-9!]*)')
    id = pattern.findall(html)
    ids += id
    pattern = re.compile(blog['user']+'.{1,50}pagedir=Next[^"]*')
    urls = pattern.findall(html)
    i=i+1
    if len(urls) ==0:
      break
    url = unescape(urls[0])
  return ids

live space没有总共的页数，只能一直next下去，发现没有next按钮了就停止，在每页再解析出postid来,unescape是自定义函数，目的是将html编码转换为像！等符号。

在迁移post时出现未micolog中定义的目录（category)会出错，因此迁移工具里如果碰到未定义过的类别，会自动舍弃掉。因此在使用 时需要在micolog里定义原先blog的类别，以致不会出现目录丢失的现象。此迁移工具在python2.5下完成，只要在源码中修改中开头的 srcBlog和dstBlog定义里的用户名，密码，webapi即可使用。源码中还实现BlogXML类，用于存档为xml格式，但未用于主程序中。