博客搬家算法偽碼

已有平臺：CSDN博客、51CTO、博客園、WordPress

不同平臺的博客，數據解析方式不一樣，數據抓取和存儲都是類似的。

1.確定博客首頁地址

? a.平臺地址

? 比如，CSDN的博客地址是?http://blog.csdn.net/

? b.賬號

? ?fansunion

? ?

? CSDN某個用戶的地址是：http://blog.csdn.net/FansUnion

2. 從首頁獲得關鍵信息

? 2.1獲得博客分類列表

??

? 新人畢業-老人跳槽(24)?

? OpenJDK源碼研究筆記(16)?

? 性能優化(11)?

? 中國象棋(13)?

??

? List<String> 存儲所有的文章分類，保存到數據庫中

? addArticleCategory(Integer userId,List<String> categoryList);

??

? 創建所有的日志分類（id自增，name）

??

? ? 2.2確定日志的頁數

? ?CSDN的"431條數據 共9頁"

? ?獲取到“9” pageCount

? ?

3.獲取日志集合???

? 3.1確定日志列表的地址

? ?比如CSDN的日志格式是：http://blog.csdn.net/FansUnion/article/list/2

??

??

? 3.2遍歷所有的文章列表

? ? for(int index=0;index<pageCount;index++){

??解析該頁的日志地址,比如CSDN的格式是“?http://blog.csdn.net/fansunion/article/details/17070151”

}

所有的日志地址集合

List<String> articleList;

4.遍歷所有的文章

? for(int index=;index<articleList.size;index++){

??抓取每1篇日志的字段數據，

??

??Article:標題、內容、摘要、時間、性質（原創、轉載、翻譯）

??

??保存到數據庫中

??addArticle(Article);

??

? }

原文首發：http://fansunion.cn/article/detail/59.html?