Octopress - WordPress から投稿データを移行！

# -*- coding: utf-8 -*-
#=  WordPress XML -> Markdown 変換
# ：WordPress からエクスポートした投稿データの XMLファイルを
#   読み込み Markdown に変換し、記事別にファイル出力する。
#
# date          name            version
# 2012.12.02    mk-mode.com     1.00 新規作成
#
# Copyright(C) 2012 mk-mode.com All Rights Reserved. 
#---------------------------------------------------------------------------------
#++
require 'date'
require 'fileutils'
require 'hpricot'
require 'nkf'
require 'yaml'

class WpXml2Md
  XML_FILE = "wordpress.xml"

  # [CLASS] 処理
  class Proc
    # INITIALIZER
    def initialize
      @xml_file = XML_FILE
    end

    # XML ファイル存在チェック
    def exist_xml
      begin
        if File.exist?(@xml_file)
          return true
        else
          puts "[ERROR] File \"#{@xml_file}\" is not found!"
          return false
        end
      rescue => e
        # エラーメッセージ
        str_msg = "[ERROR][" + self.class.name + ".exist_xml] " + e.to_s
        STDERR.puts str_msg
        exit 1
      end
    end

    # 変換 XML -> Markdown
    def convert
      begin
        # XML 取得
        xml = Hpricot::XML(File.read(@xml_file))

        # 全記事 LOOP
        post_cnt = 0
        (xml/:channel/:item).each do |item|
          # 記事タイトル
          # ( WordPress から変換したことが判別できるよう先頭に "*" を付加した )
          post_title = "* " + item.at('title').inner_text

          # Markdown ファイル名
          md_date = DateTime.parse(item.at('wp:post_date').inner_text)
          md_file = "%04d-%02d-%02d-%02d%02d%02d%02d.markdown" %
                    [md_date.year, md_date.month, md_date.day,
                     md_date.day, md_date.hour, md_date.minute, md_date.second]

          # 投稿日時
          post_date = md_date.strftime('%Y-%m-%d %H:%M')

          # 投稿タイプ
          post_type = item.at('wp:post_type').inner_text

          # 投稿ステータス
          status = item.at('wp:status').inner_text
          post_published = (status == "publish" ? true : false)

          # カテゴリ・タグ
          post_cat = []
          post_tag = []
          (item/:category).each do |cat|
            domain = cat["domain"];
            if domain == "category"
              post_cat << cat.inner_text
            elsif domain == "post_tag"
              post_tag << cat.inner_text
            end
          end

          # キーワード(HTML meta タグ用)
          # ( 取り敢えず、カテゴリとタグ全てを指定した )
          post_key = post_cat + post_tag

          # 記事本文 ( 最初の取得時に CL + LF -> LF )
          post_content = NKF.nkf("-Lu -w", item.at('content:encoded').inner_text)

          # 個別変換 ( 主変換前 )
          # <<<< 実際には、ここで主変換前にしておいたほうがよい個別変換を行う >>>>

          # 主変換
          post_content = convert_main(post_content)

          # 個別変換 ( 主変換後 )
          # <<<< 実際には、ここで必要な個別変換を行う >>>>

          # 注釈 ( WordPress から移行したデータである旨を記載 )
          post_note  = "※この記事は WordPress に投稿した記事を変換したものです。"
          post_note << "一部不自然な表示があるかも知れません。ご了承ください。"
          post_note << "また、記事タイトル先頭の * は WordPress から移行した記事である印です。"

          header = {
            'layout'     => post_type,
            'title'      => post_title,
            'published'  => post_published,
            'date'       => post_date,
            'comments'   => true,
            'categories' => post_cat,
            'tags'       => post_tag,
            'keywords'   => post_key
          }.to_yaml

          # ファイル出力
          # ( 当スクリプトと同じディレクトリに layout 値に合わせたディレてトリを作成し、
          #   その配下に各 Markdown ファイルを作成する。)
          FileUtils.mkdir_p "_#{post_type}s"
          #puts "#{post_cnt} : #{md_file}"
          File.open("_#{post_type}s/#{md_file}", "w") do |f|
            f.puts header
            f.puts "---"
            f.puts post_content
            f.puts ""
            f.puts "---"
            f.puts post_note
          end

          post_cnt += 1
        end

        puts "#{post_cnt} posts converted!"
      rescue => e
        # エラーメッセージ
        str_msg = "[ERROR][" + self.class.name + ".convert] " + e.to_s
        STDERR.puts str_msg
        exit 1
      end
    end

    # 主要な変換
    # ( HTML はそのままでも問題ないが、可能な限り Markdown 記法に則るように )
    def convert_main(post_content)
      begin
        # 変換規則
        matches = [
          [/[\t ]*<h1>(.*?)<\/h1>/, '# \1'],
          [/[\t ]*<h2>(.*?)<\/h2>/, '## \1'],
          [/[\t ]*<h3>(.*?)<\/h3>/, '### \1'],
          [/[\t ]*<h4>(.*?)<\/h4>/, '#### \1'],
          [/[\t ]*<\/?ol>/, ''],
          [/[\t ]*<\/?ul>/, ''],
          [/[\t ]*<li>/,   '- '],
          [/[\t ]*<\/li>/,    ''],
          [/<hr( \/)?>/,   '---'],
          [/<\/?code>/, '`'],
          [/<strong>(.*?)<\/strong>/, '**\1**'],
          [/http:\/\/www.mk-mode.com\/wordpress\/wp-content\/uploads\//, '/images/'],
          [/<a href=\"(.*?)\"(.*?)>(?!<(.*?)>)(.*?)<\/a>/, '[\4](\1 "\4")']
        ]
        matches.each {|m| post_content.gsub!(m[0], m[1])}

        return post_content
      rescue => e
        # エラーメッセージ
        str_msg = "[ERROR][" + self.class.name + ".convert_main] " + e.to_s
        STDERR.puts str_msg
        exit 1
      end
    end
  end

  ##############
  #### MAIN ####
  ##############

  # 処理クラスインスタンス化
  obj_proc = Proc.new

  # XML ファイル存在チェック
  exit unless obj_proc.exist_xml

  # 開始メッセージ出力
  puts "#### WordPress XML -> Markdown [ START ]"

  # 変換 XML -> Markdown
  obj_proc.convert

  # 終了メッセージ出力
  puts "#### WordPress XML -> Markdown [ E N D ]"
end

$ ruby wp_xml2jekyll.rb

#### WordPress XML -> Markdown [ START ]

766 posts converted!

#### WordPress XML -> Markdown [ E N D ]