[AI 生成声明] 本文内容全部由 AI（Claude）生成，包括行文措辞、代码说明、流程描述等，作者仅做审阅确认，未作人工改写。

---

之前的个人博客 cstriker1407.info 用的 WordPress，运营了七八年，写了 758 篇文章，记录了 2013-2020 年的各种折腾过程。域名和服务器懒得续费，就把它关掉了，但内容还想留着，于是决定迁到 CSDN 上。

直接手工搬是不现实的，搬 758 篇要搬到什么时候。于是花了一段时间写了套工具，加上 AI 辅助，把整个流程自动化了。工具已经开源：https://github.com/cstriker1407/wp_to_md

这里把整个思路和用法记录一下。

备份格式：.wpress

WordPress 用 All-in-One WP Migration 插件导出的备份是 .wpress 格式。这个格式其实是个二进制流，结构是这样的：

[4377字节 header][文件数据][4377字节 header][文件数据]...

每个 header 里记录了文件名、路径、大小等信息。里面主要有两类东西是我们需要的：

• database.sql —— 所有文章的 HTML 内容、标题、标签、分类都在这里
• uploads/ —— 文章里引用的图片

PHP 文件、主题、插件这些都不需要，跳过就行。

解析 SQL 的时候要注意一点：All-in-One WP Migration 在导出 SQL 时会把表名加上前缀 SERVMASK_PREFIX_，比如正常的 wp_posts 表在 SQL 里叫 SERVMASK_PREFIX_wp_posts，需要替换回来再解析。

流程概览

整个迁移分四个阶段：

.wpress 文件
    │
    ▼  阶段 1+2：wp_to_posts.py
index.md  （HTML 转 Markdown，带 YAML frontmatter）
    │
    ▼  阶段 3：wp_to_posts.py（规则清洗，不需要 AI）
index_optimize.md  （代码块补全标注、列表规范、标题层级修正）
    │
    ▼  阶段 4：AI 逐篇处理
abstract.md / category.md / cover_keywords.md（AI 来填）
    │
    ▼  阶段 5：gen_covers.py
cover.png  （词云风格封面图）

最终每篇文章一个目录：

wp_posts/
  2019/
    07/
      dlopen-dlsym-dlclose/
        index.md              原始 Markdown
        index_optimize.md     清洗后的正文（发布用）
        abstract.md           2-3 句摘要
        category.md           分类
        cover_keywords.md     封面关键词
        cover.png             封面图

wp_to_posts.py 使用

安装依赖：

pip install markdownify Pillow

一键跑完前三个阶段：

python wp_to_posts.py my-site.wpress ./wp_posts --site-name "我的博客"

脚本会自动从 SQL 里读取博客名称，如果自动识别不对可以用 --site-name 手动指定。

几个常用参数：

--skip-extract       已经解压过了，跳过第一阶段
--only-optimize      只重新生成 index_optimize.md，不重新解压和转换
--force-optimize     覆盖已有的 index_optimize.md
-v                   显示 DEBUG 日志

HTML 转 Markdown 用的是 markdownify 库，转出来的格式基本可用，但有些细节需要规则修正，比如：

• 代码块没有语言标注（自动检测 import、#include、def 等关键词来补全）
• 中文括号编号列表（（1）、（2））转成标准 1. 格式
• 标题层级，H1 不应该出现在正文里
• 注意/警告类段落加 > blockquote

AI 辅助优化

规则能处理的自动处理，处理不了的（摘要、分类、最终校对）交给 AI。

具体来说，AI 需要对每篇文章做：

1. 读 index.md 的 frontmatter，拿到标题、日期、标签、分类
2. 编辑 index_optimize.md，主要是修正代码块语言标注和错别字
3. 写 abstract.md（2-3 句纯文本摘要）
4. 写 category.md（单一分类名）
5. 写 cover_keywords.md（5-8 个关键词，每行一个）
6. 更新进度文件 scripts/ai_progress.json

进度文件格式很简单：

{ "done": ["2019/07/dlopen-dlsym-dlclose", "2019/08/some-other-post"] }

每次启动 AI 前读这个文件，跳过已处理的文章，断点续传。758 篇我分了大概二十几个会话跑完，每次 20-30 篇，避免上下文太长影响质量。

详细的 AI 任务说明在项目的 WORKFLOW.md 里，可以直接复制给 AI 用。

gen_covers.py 生成封面

AI 处理完后，cover_keywords.md 里有关键词了，跑一下封面生成脚本：

python gen_covers.py ./wp_posts --site "我的博客"

封面效果是词云风格，深色背景，关键词散布在图上，颜色用 HSV 生成确保在深色背景上可读。背景色和关键词颜色都用文章内容做种子，所以同一篇文章每次生成结果一样。

默认跳过已有封面，关键词改了之后加 --force 强制重新生成：

python gen_covers.py ./wp_posts --site "我的博客" --force

默认尺寸 1200×628，适合大多数平台的封面比例，可以用 --size 调整。

总结

整套流程下来，758 篇文章的迁移工作量大部分都自动化了。纯机械的解压、转换、规则清洗，脚本跑一遍搞定；需要理解内容才能写的摘要和分类，交给 AI 批量处理；封面图也自动生成，不用一张一张设计。

工具已开源，有类似需求的可以直接拿去用：

https://github.com/cstriker1407/wp_to_md

如果有问题欢迎提 Issue。