【ブロガー向け】MovableType形式の.txtファイルをBlogger用XMLに変換するPythonスクリプト

はじめに

はてなブログからエクスポートされる記事は、MovableType形式のテキストファイルとしてダウンロードされますが、GoogleのBloggerにインポートする際にはXML形式が必要です。このブログ記事では、MovableType形式の.txtファイルをBlogger用のXML形式に変換するためのPythonスクリプトを紹介します。

注意: 本スクリプトは、MovableType形式のファイルをBlogger用XMLに変換することを目的としていますが、MovableType形式やBloggerの仕様変更、特定のエクスポートファイルの形式によっては正常に動作しない場合があります。万が一のエラーや問題についてはご了承ください。

スクリプトの概要

このスクリプトは、MovableType形式の.txtファイルを読み込み、記事を解析し、Bloggerに適した形式に変換します。最終的にXMLファイルとして出力され、これをBloggerにインポートすることで簡単に記事を移行できます。

作成したコード

import re
from datetime import datetime
from xml.etree.ElementTree import Element, SubElement, ElementTree, tostring

# MovableType形式の.txtファイルを読み込む
def read_mt_file(file_path):
    with open(file_path, 'r', encoding='utf-8') as file:
        return file.read()

# MT形式のテキストから記事ごとに分割
def split_entries(mt_text):
    return re.split(r'--------\n', mt_text)

# MT形式の各フィールドをパースして辞書にする
def parse_entry(entry_text):
    entry = {}
    patterns = {
        'author': r'AUTHOR:\s*(.*)',
        'title': r'TITLE:\s*(.*)',
        'date': r'DATE:\s*(\d{2}/\d{2}/\d{4} \d{2}:\d{2}:\d{2})',
        'body': r'BODY:\n(.*?)(?=\n-----|\Z)',
    }

    for key, pattern in patterns.items():
        match = re.search(pattern, entry_text, re.DOTALL)
        if match:
            entry[key] = match.group(1).strip()

    # 日付をBlogger用にフォーマット変更
    if 'date' in entry:
        entry['date'] = format_date(entry['date'])

    return entry

# 日付のフォーマットをBlogger用に変換
def format_date(date_str):
    try:
        date_str = date_str.strip()
        date_obj = datetime.strptime(date_str, '%m/%d/%Y %H:%M:%S')
        return date_obj.strftime('%Y-%m-%dT%H:%M:%S') + '+09:00'
    except ValueError as e:
        print(f"Error parsing date, attempting alternative formats: {date_str}")
        try:
            date_obj = datetime.strptime(date_str, '%Y-%m-%d %H:%M:%S')
            return date_obj.strftime('%Y-%m-%dT%H:%M:%S') + '+09:00'
        except ValueError:
            raise e

# XMLの構築
def create_xml(entries):
    root = Element('feed', xmlns="http://www.w3.org/2005/Atom")
    for entry in entries:
        entry_elem = SubElement(root, 'entry')
        author_elem = SubElement(entry_elem, 'author')
        name_elem = SubElement(author_elem, 'name')
        name_elem.text = entry.get('author', 'Unknown')

        title_elem = SubElement(entry_elem, 'title')
        title_elem.text = entry.get('title', 'No Title')

        published_elem = SubElement(entry_elem, 'published')
        published_elem.text = entry.get('date', '')

        content_elem = SubElement(entry_elem, 'content', type="html")
        content_elem.text = entry.get('body', '')

    return root

# XMLをファイルに保存
def save_xml_file(root, output_path):
    tree = ElementTree(root)
    tree.write(output_path, encoding='utf-8', xml_declaration=True)

# メイン処理
def main(mt_file_path, output_xml_path):
    mt_text = read_mt_file(mt_file_path)
    entry_texts = split_entries(mt_text)

    entries = []
    for entry_text in entry_texts:
        if entry_text.strip():
            entries.append(parse_entry(entry_text))

    xml_root = create_xml(entries)
    save_xml_file(xml_root, output_xml_path)
    print(f"XMLファイルが生成されました: {output_xml_path}")

# 使用例
mt_file_path = 'input/xxx.hatenablog.com.export.txt'
output_xml_path = 'output/output_blogger.xml'
main(mt_file_path, output_xml_path)

スクリプトの説明

以下は、スクリプト全体の説明です。

最初に、必要なライブラリをインポートします。reは正規表現を使って記事を解析し、datetimeは日付のフォーマット変換、ElementTreeはXMLを生成するために使用します。

import re
from datetime import datetime
from xml.etree.ElementTree import Element, SubElement, ElementTree, tostring

MovableType形式の.txtファイルを読み込む
この関数は、MovableType形式の.txtファイルをUTF-8で読み込み、その内容を文字列として返します。

def read_mt_file(file_path):
    with open(file_path, 'r', encoding='utf-8') as file:
        return file.read()

記事の分割と解析
記事は「--------」で区切られているので、この正規表現を使用して記事を分割します。

def split_entries(mt_text):
    return re.split(r'--------\n', mt_text)

この記事を解析し、author（著者）、title（タイトル）、date（日付）、body（本文）のフィールドを抽出します。

def parse_entry(entry_text):
    entry = {}
    patterns = {
        'author': r'AUTHOR:\s*(.*)',
        'title': r'TITLE:\s*(.*)',
        'date': r'DATE:\s*(\d{2}/\d{2}/\d{4} \d{2}:\d{2}:\d{2})',
        'body': r'BODY:\n(.*?)(?=\n-----|\Z)',
    }
    for key, pattern in patterns.items():
        match = re.search(pattern, entry_text, re.DOTALL)
        if match:
            entry[key] = match.group(1).strip()
    if 'date' in entry:
        entry['date'] = format_date(entry['date'])
    return entry

日付フォーマットの変換
MovableType形式の日付をBlogger用に変換するため、この関数を使用します。もし異なる日付形式が検出された場合には、バックアップフォーマットで再度試行します。

def format_date(date_str):
    try:
        date_str = date_str.strip()
        date_obj = datetime.strptime(date_str, '%m/%d/%Y %H:%M:%S')
        return date_obj.strftime('%Y-%m-%dT%H:%M:%S') + '+09:00'
    except ValueError as e:
        print(f"Error parsing date, attempting alternative formats: {date_str}")
        try:
            date_obj = datetime.strptime(date_str, '%Y-%m-%d %H:%M:%S')
            return date_obj.strftime('%Y-%m-%dT%H:%M:%S') + '+09:00'
        except ValueError:
            raise e

XMLの生成
この関数では、Bloggerに対応するXML形式を生成します。それぞれの記事の著者、タイトル、本文などをXMLの要素として追加します。

def create_xml(entries):
    root = Element('feed', xmlns="http://www.w3.org/2005/Atom")
    for entry in entries:
        entry_elem = SubElement(root, 'entry')
        author_elem = SubElement(entry_elem, 'author')
        name_elem = SubElement(author_elem, 'name')
        name_elem.text = entry.get('author', 'Unknown')

        title_elem = SubElement(entry_elem, 'title')
        title_elem.text = entry.get('title', 'No Title')

        published_elem = SubElement(entry_elem, 'published')
        published_elem.text = entry.get('date', '')

        content_elem = SubElement(entry_elem, 'content', type="html")
        content_elem.text = entry.get('body', '')

    return root

XMLファイルの保存
生成されたXMLをファイルとして保存します。

def save_xml_file(root, output_path):
    tree = ElementTree(root)
    tree.write(output_path, encoding='utf-8', xml_declaration=True)

実行方法
最後に、メインの処理です。
main関数では、MovableType形式のファイルを読み込み、記事ごとに解析し、XMLファイルを生成します。

def main(mt_file_path, output_xml_path):
    mt_text = read_mt_file(mt_file_path)
    entry_texts = split_entries(mt_text)

    entries = []
    for entry_text in entry_texts:
        if entry_text.strip():
            entries.append(parse_entry(entry_text))

    xml_root = create_xml(entries)
    save_xml_file(xml_root, output_xml_path)
    print(f"XMLファイルが生成されました: {output_xml_path}")

使用例
はてなブログからエクスポートしたMovableType形式の.txtファイルをBlogger用のXMLファイルに変換し、output/output_blogger.xmlに保存します。

mt_file_path = 'input/xxx.hatenablog.com.export.txt'  # はてなブログからエクスポートした.txtファイルのパス
output_xml_path = 'output/output_blogger.xml'  # 変換後のXMLファイルの保存先
main(mt_file_path, output_xml_path)

おわりに