k-tokitoh

2021-06-26

はてなブログからJekyll on Github Pages に移行した

はてなブログから退避したくなった理由は以下。

• データの持ち方及びデプロイサービスとして長期視点で依存するにはやや安定性が低い
  • 入力は markdown だが export は MovableType という形式に限られる
• しっくりくるテーマがなく、自前でスタイルを調整するのも面倒…となっていた

移行先として Jekyll on Github Pages を選定した理由は以下。

• Github Pages
  • デプロイサービスとして安定性が十分に高そう
• Jekyll
  • データの持ち方として、markdown なら汎用性が十分に高い
  • スタイルもかなり選択肢が多い/自由度が高い、というか minima で十分しっくりくる

k-tokitoh/k-tokitoh.github.io

はてなから export した MovableType 形式の post を marddown に移し替えるのが手間だなーとなった。

次の職場で python を書くので、練習がてらスクリプトを書いてみた。

ハイライトは以下。

• generator というのを初めて書いた
  • 今回程度のデータ量であれば一気にメモリに載せても全然大丈夫だが
• 元ファイルの post 間のデリミタが 2 行であり、iterator に状態を保持させた方がすっきり書けそうだった
  • “Effective Python”の項目 38 に書いてあったやつだ！となり、__call__()メソッドをもつ class として記述してみた

import sys
import os
from collections import defaultdict
from datetime import datetime
from random import randint
from textwrap import dedent
from xml import sax
import re
import pip

pip.main(["install", "html2text"])

from html2text import HTML2Text

file_path_from = sys.argv[1]
dir_to = sys.argv[2]


class Meta:
    def __init__(self, raw):
        rows = raw.split("\n")
        self.__rows_dict = defaultdict(lambda: None)

        for row in rows:
            key, value = [*row.split(": "), None][0:2]
            if key == "CATEGORY":
                if not self.__rows_dict[key]:
                    self.__rows_dict[key] = []
                self.__rows_dict[key].append(value)
            else:
                self.__rows_dict[key] = value

        self.date = self.__convert_date(self.__rows_dict["DATE"])
        self.title = self.__unescape_title(self.__rows_dict["TITLE"])
        self.status = self.__rows_dict["STATUS"]
        self.tags = self.__rows_dict["CATEGORY"] if self.__rows_dict["CATEGORY"] else []

    def __convert_date(self, date_raw):
        return datetime.strptime(date_raw, "%m/%d/%Y %H:%M:%S")

    def __unescape_title(self, title_raw):
        return sax.saxutils.unescape(title_raw, {"'": "'", """: '\"'})


class Post:
    def __init__(self, str):
        meta_raw, body_raw = str.split("-----\nBODY:\n")
        self.meta = Meta(meta_raw)
        self.body = self.__convert(body_raw)

    def write(self, dir):
        with open(self.__path_to(dir), "w") as f:
            f.write(self.__text())

    def __convert(self, body_raw):
        body = re.sub(r"-----\nEXTENDED BODY:\n", "", body_raw)
        body = re.sub(
            r"<a class="keyword" href="http://d.hatena.ne.jp/keyword/.*">(.+)</a>",
            r"\1",
            body,
        )
        return self.__sneak_iframe(body, lambda body: HTML2Text().handle(body))

    def __sneak_iframe(self, body, func):
        body = re.sub(
            r"<(/?iframe)",
            r"&lt;\1",
            body,
        )
        markdown = func(body)
        return re.sub(
            r"&lt;(/?iframe)",
            r"<\1",
            markdown,
        )

    def __path_to(self, dir):
        filename = f"{self.meta.date:%Y-%m-%d}-{randint(100_000, 999_999)}.md"
        type_dirs = {"Publish": "_posts", "Draft": "_drafts"}
        return os.path.join(dir, type_dirs[self.meta.status], filename)

    def __text(self):
        return (
            dedent(
                """
            ---
            title: {title}
            tags: {tags}
            ---
            {body}
        """
            )
            .format(
                title=self.meta.title, body=self.body, tags=(" ".join(self.meta.tags))
            )
            .strip()
        )


class PostIter:
    def __init__(self, file):
        self.__file = file
        self.__flag = False
        self.__str = ""

    def __call__(self):
        for row in self.__file:
            if not self.__flag:
                self.__flag = row == "-----\n"
            if self.__flag & (row == "--------\n"):
                str = self.__str.rstrip("-\n")
                yield Post(str)
                self.__str = ""
                self.__flag = False
            self.__str += row


with open(file_path_from, "r") as f:
    for post in PostIter(f)():
        post.write(dir_to)