Hexo博客同步至CSDN

使用百度搜索，CSDN上的文章经常排在前面，可是，我并不喜欢在CSDN上写博客。而且，如果使用GitHub Pages搭建个人博客，由于GitHub屏蔽了百度的蜘蛛，百度会抓取失败，网站也就没有索引和流量了。虽然Google对于个人博客的收录比较快，也没那么麻烦，但国内使用百度搜索的还是比较多的。除了考虑不用GitHub Pages搭建，还可以考虑把文章同步到CSDN，使用CSDN来进行导流。

上网一查基本都是CSDN文章导出Markdown到Hexo，却没有Hexo博客同步到CSDN的，在GitHub上也没有找到相关的开源程序，无奈之下，只好自己搞一个了。本文就记录一下其中踩到的坑以及解决方案。

Markdown渲染

在CSDN上创建Markdown文章时，会发送一个POST请求，有markdowncontent和content字段：前者是Markdown内容，在使用CSDN的Markdown编辑器时会使用这个字段；后者是渲染后的内容，在页面上显示博客会使用这个字段。这两个字段是独立的，也就是在页面上显示博客取决于content，和markdowncontent没有关系，反之亦然。

既然如此，在提交数据时，我们就需要自行渲染Markdown。Markdown的渲染器其实很丰富，所以Markdown渲染似乎是比较简单的。可是，代码块语法高亮呢？

经过观察，发现代码块的标签有prism类：

<pre><code class="prism language-python">
</code></pre>

prism是一个语法高亮的库，是基于JavaScript的。可是，我对JavaScript不是很熟，贸然使用JavaScript搞这个东西会很慢。所以，没办法，那就用Python调用nodejs吧，把要交换的数据写到文件里，这种方式虽然不够优雅，但可以简单地解决这个问题。这里我直接使用标准输入作为nodejs的输入，懒：

const md = require('markdown-it')({
    html: true,
});
const prism = require('markdown-it-prism');
const mathjax = require('markdown-it-mathjax');

const input = require('fs').readFileSync('/dev/stdin', 'utf8').trim();
md.use(prism);
md.use(mathjax());
const ret = md.render(input);
console.log(ret);

其中markdown-it用来渲染Markdown，markdown-it-prism用来进行语法高亮，markdown-it-mathjax用来处理公式。

然后供Python调用。由于使用了/dev/stdin，所以与Windows不兼容。在Python中，先创建临时文件，然后把Markdown内容写入，再通过管道传给nodejs作为标准输入，读取结果，也就是Markdown渲染后的HTML。

_, tmp = mkstemp()
with open(tmp, "w") as f:
    f.write(markdown)
cmd = "cat '{}' | node {}".format(tmp, self.CONVERT_JS_PATH)
logger.info(cmd)
html = subprocess.check_output(cmd, shell=True).decode("utf-8")
return html

替换图片

我的个人博客使用对象存储来保存图片，并且启用了防盗链，这样可以节约流量。但是，放在CSDN上的文章，我打算将图片传到CSDN，用CSDN站内的图片链接，这样我依然可以对对象存储启用防盗链，也避免CSDN上的流量消耗我对象存储的流量。如果只考虑新增文章，那么没什么问题，但假如我想更新文章，那岂不要重新传一遍图片？如果不重新传图片，那么假如我要更新图片呢？

为此，可以把图片在对象存储的链接存到alt属性里，这样就可以知道是否需要更新图片了。不过，由于对图片链接进行了替换，在后面检查是否需要更新文章时需要做一下处理。

下面是整个过程的流程：

新建文章和更新文章的过程是一样的，在CSDN里它们使用的是相同的API，区别就在于前者没有指定文章id，后者指定了。

在预处理和后处理阶段需要针对图片链接进行调整。在CSDN博客比较预处理时，需要去掉img的src属性，并使用alt属性作为图片链接：

<!-- before -->
<img src="https://img-blog.csdnimg.cn/img.jpg" alt="https://muranxuan.top/img.jpg">
<!-- after -->
![](https://muranxuan.top/img.jpg)

而在渲染后处理阶段，检查图片链接是否来自CSDN，如果不是，那就下载并上传图片，把图片的下载链接保存到alt里，以供比较预处理阶段使用。

URL编码

按照上述的过程保存文章到CSDN，会发现+号不见了。由于+号在代码里用的还是比较多的，这一点还是需要处理的。本来还以为是CSDN的BUG，查看提交的Form Data也没有发现什么问题。但是，当点击view source后，就发现了问题所在：

原来这些内容是经过URL编码的呀，遂加上URL编码：

url = "https://mp.csdn.net/mdeditor/saveArticle"
data = {
    "title": quote(title),
    "markdowncontent": quote(markdowncontent),
    "content": quote(content),
    "id": id,
    "private": private,
    "read_need_vip": read_need_vip,
    "tags": quote(tags),
    "status": status,
    "categories": quote(categories),
    "channel": channel,
    "type": type,
    "articleedittype": articleedittype,
    "Description": description,
    "csrf_token": csrf_token,
}
j = self.sess.post(url, data=data).json()

不过，Description别加URL编码，在查看Form Data时也可以看出Description没有URL编码。如果Description使用了URL编码，在看文章列表时会显示的是URL编码后的内容：

细节处理

比较预处理

由于可以在Markdown里写HTML，所以可以利用HTML注释将文章的一些信息存到Markdown内容里。由于对图片地址进行了替换，因此，在比较预处理阶段需进行处理，否则每次都会是不一致的。

代码块语言

代码块的语言需要规范，否则prism会不识别。首先，需要是小写，例如Python需写为python，然后，不能用符号，例如c#需写为csharp。但是，我的Hexo博客是能识别的，而我又不想改博客Markdown文件。为了CSDN而作调整，假如我以后又想同步到别的平台，又要做调整呢？所以，可以在预处理阶段将其规范化为prism支持的形式。

但是，在使用时发现，C++代码依然是不能语法高亮的，即使语言改为了cpp，prism依然无法解析。不过，改为C语言就可以。然而，C++和C语言的语法毕竟是不一样的，这样做并不完美。然后，通过看源码，发现markdown-it-prism调用了prismjs。在经过一番Debug之后，终于发现prismjs在加载node_modules/prismjs/components/prism-cpp.js时出错，修改一下就好了：

// before
Prism.languages.cpp = Prism.languages.extend('c', {
// after
Prism.languages.cpp = Prism.languages.extend('clike', {

公式渲染

由于习惯使用$来插入行内公式，用$$来插入行间公式，这并不是Mathjax默认的写法，这个可以通过markdown-it-mathjax这个模块来进行调整。

但是，我有的公式写的并不那么规范，因为不同的渲染器表现不一样，所以我只保证我个人博客上的渲染效果正常。例如，对于行内公式，如果公式和$之间有空格，markdown-it-mathjax将不会处理，不过行间公式可以，因此，需要在预处理阶段进行调整。这个可以用一个正则解决，然后配合Front-matter里的mathjax字段进行判断，虽然不100%准确，但基本上是可行的：

re.sub(r'(?<!\$)`?\$\s*(.*?)\s*\$`?(?!\$)', r'$\1$', markdown)

登录

使用用户名密码登录时，看请求的内容里有fkid、loginType、pwdOrVerifyCode、uaToken、userIdentification、webUmidToken，userIdentification和pwdOrVerifyCode分别是用户名和密码，loginType为1时表示使用用户名密码登录，其它几个字段不清楚怎么来的。不过，我发现webUmidToken随便写个什么就可以了，也就是只传userIdentification、pwdOrVerifyCode、loginType、webUmidToken就可以登录了。

但是，登录几次之后就出现了服务器错误的提示。好吧，还是直接用Cookies吧。

---

由于nodejs从/dev/stdin读取输入，使得程序不支持Windows（不过，这个好解决）。然后，程序里利用了我Hexo博客个性化的一些设置，例如，我的Hexo博客为每篇文章分配一个abbrlink，这样可以让文章链接很短且不重复。所以，程序并不通用。为了让程序变得通用，需要做较多修改，暂时并无打算，所以暂不开源了～

---

后记：由于博客迁移到 Typecho，这个程序就没啥用了。