新浪轻博客没有提供 RSS 或者导出等功能，很不方便对博客进行备份或者迁移。 不过我们可以换种思路，那就是对博客网页进行解析从而得到我们想要的内容，包括： 标题、标签、日期、内容、评论等。

这里使用 node-scraper 对网页进行解析。

1
2
3
4
5
6
7
8
9

var scraper = require('scraper');
scraper('http://qing.blog.sina.com.cn/2292826740/profile', function(err, $) {
    if (err) {throw err;}

    $('ul.archivelist .txtz strong a').each(function(i) {
        var href = $(this).attr('href');
        console.log(href);
    });
});

他的原理是，首先获取（get）整个网页的内容，过滤 script 脚本， 并把 head 和 body 的内容放到 jQuery 中，这样我们就可以相当于在浏览器中， 用 jQuery 对 dom 进行操作了。

先获取归档页面，这样就可以得到所有文章的地址了，在对每篇文章进行独一解析。

这里仅仅提供了一种思路，对于其他需要解析网页内容的当然也适用，关键代码：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

scraper('http://qing.blog.sina.com.cn/2292826740/profile', function(err, $) {
    if (err) throw err;

    var hrefs = [];

    $('ul.archivelist .txtz strong a').each(function(i) {
        scraper($(this).attr('href'), function(err, $) {
            var $post = $('.post'),
                $content = $post.find('div.caption'),
                post = {};

            post.title = $.trim($post.find('span.title').text());
            post.tags = [];
            $post.find('.tags a').each(function() {
                post.tags.push($(this).text());
            });
            post.date = $post.find('p.label strong').text() + '/' + $post.find('p.label em').text();
            post.content = $content.text();

            console.log(post);
        });
    });
});

获取了文章信息之后，在写到文件（markdown）或者写入到数据库即可。