Exporta articles de blog de Wix a Markdown amb OpenAI
Per què exportar articles de blog de Wix?
Resum: Aquesta guia mostra com exportar articles de blog de Wix a Markdown utilitzant tres scripts de Python: un executor de configuració, un scraper basat en Selenium i un convertidor d’HTML a Markdown amb OpenAI. El resultat són arxius Markdown nets i portables preparats per a Hugo, Jekyll o qualsevol generador de llocs estàtics.
Wix no ofereix una exportació nativa del blog a Markdown. Si estàs migrant a un generador de llocs estàtics com Hugo o Jekyll, necessites extreure les pàgines renderitzades, extreure’n el contingut i convertir-lo. Aquest tutorial automatitza tot el procés amb Python, Selenium, BeautifulSoup i OpenAI GPT API.
El pipeline utilitza tres scripts:
fetch_blog_posts.sh— configura l’entorn i executa el pipelineparse_blog_sitemap.py— renderitza pàgines amb Selenium, extreu contingut, descarrega imatgesgenerate_md.py— converteix HTML a Markdown via OpenAI
Pas 1: Configura l’entorn
Crea fetch_blog_posts.sh per gestionar la verificació de Python, configuració de l’entorn virtual, instal·lació de dependències i execució del pipeline.
#!/bin/bash
# setup_blog_scraper.sh
# Usage: bash setup_blog_scraper.sh
echo "🔍 Checking Python installation..."
if ! command -v python3 &> /dev/null; then
echo "❌ Python 3 is not installed. Please install Python 3 and try again."
exit 1
fi
echo "✅ Python 3 found: $(python3 --version)"
VENV_DIR=".venv"
if [ ! -d "$VENV_DIR" ]; then
echo "📁 Creating virtual environment in $VENV_DIR..."
python3 -m venv "$VENV_DIR"
else
echo "✅ Virtual environment already exists."
fi
echo "⚙️ Activating virtual environment..."
source "$VENV_DIR/bin/activate"
echo "📦 Installing dependencies..."
pip install --upgrade pip
pip install beautifulsoup4 lxml selenium webdriver-manager
echo "🚀 Running blog sitemap parser..."
python3 parse_blog_sitemap.py
deactivatePas 2: Extreu el contingut del blog
parse_blog_sitemap.py fa la feina pesada:
- Obté el XML del sitemap per descobrir tots els URLs dels articles
- Renderitza cada pàgina amb Selenium (necessari perquè Wix carrega el contingut dinàmicament)
- Extreu el
<div id="content-wrapper">per aïllar el contingut de l’article - Descarrega totes les imatges localment i actualitza els atributs
src - Desa l’HTML netejat com a
_index.html - Crida el convertidor de Markdown
Per què Selenium en lloc de requests? Wix renderitza contingut amb JavaScript. Una petició HTTP simple retorna un esquelet buit. Selenium executa un navegador Chrome sense interfície per obtenir l’HTML completament renderitzat.
#!/usr/bin/env python3
import os
import re
import time
import xml.etree.ElementTree as ET
from urllib.parse import urlparse
from bs4 import BeautifulSoup
import urllib.request
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.chrome.service import Service as ChromeService
from webdriver_manager.chrome import ChromeDriverManager
# === CONFIG ===
SITEMAP_URL = "https://www.everappz.com/blog-posts-sitemap.xml"
BASE_OUTPUT_DIR = "downloads"
GPT_CONVERTER_SCRIPT = "generate_md.py"
# === UTILITIES ===
def fetch_rendered_html(url):
options = Options()
options.add_argument("--headless")
options.add_argument("--disable-gpu")
options.add_argument("--no-sandbox")
options.add_argument("--disable-dev-shm-usage")
options.add_argument("--window-size=1920,1080")
driver = webdriver.Chrome(service=ChromeService(ChromeDriverManager().install()), options=options)
try:
driver.get(url)
time.sleep(3)
return driver.page_source
finally:
driver.quit()
def sanitize_filename(filename):
return re.sub(r'[<>:"/\\\\|?*]', '_', filename)
def get_last_path_components(url, levels=2):
parts = urlparse(url).path.strip("/").split("/")
return os.path.join(*parts[-levels:])
def download_image(img_url, dest_folder):
try:
parsed = urlparse(img_url)
filename = os.path.basename(parsed.path)
dest_path = os.path.join(dest_folder, filename)
print(f"📥 Downloading image: {img_url}")
urllib.request.urlretrieve(img_url, dest_path)
return filename
except Exception as e:
print(f"⚠️ Failed to download image: {img_url} - {e}")
return None
def extract_content_wrapper(html):
soup = BeautifulSoup(html, "html.parser")
wrapper = soup.find("div", id="content-wrapper")
return str(wrapper) if wrapper else ""
def update_image_sources(content_html, folder):
from urllib.parse import urlparse
soup = BeautifulSoup(content_html, "html.parser")
for img in soup.find_all("img"):
src = img.get("data-pin-media") or img.get("src")
if src:
try:
parsed = urlparse(src)
filename = os.path.basename(parsed.path)
dest_path = os.path.join(folder, filename)
print(f"📥 Downloading image: {src}")
urllib.request.urlretrieve(src, dest_path)
img["src"] = filename # Update src to local path
except Exception as e:
print(f"⚠️ Failed to download image: {src} - {e}")
return str(soup)
def parse_sitemap_and_process():
os.makedirs(BASE_OUTPUT_DIR, exist_ok=True)
sitemap_xml = urllib.request.urlopen(SITEMAP_URL).read()
root = ET.fromstring(sitemap_xml)
url_elems = root.findall("{http://www.sitemaps.org/schemas/sitemap/0.9}url")
print(f"🔎 Total URLs found: {len(url_elems)}")
for url_elem in url_elems:
loc_elem = url_elem.find("{http://www.sitemaps.org/schemas/sitemap/0.9}loc")
if loc_elem is not None:
page_url = loc_elem.text.strip()
print(f"\n🔗 Processing: {page_url}")
try:
subpath = get_last_path_components(page_url)
folder_path = os.path.join(BASE_OUTPUT_DIR, subpath)
os.makedirs(folder_path, exist_ok=True)
html = fetch_rendered_html(page_url)
wrapper_html = extract_content_wrapper(html)
if not wrapper_html:
print(f"❌ No <div id='content-wrapper'> found in {page_url}")
continue
updated_html = update_image_sources(wrapper_html, folder_path)
index_html_path = os.path.join(folder_path, "_index.html")
with open(index_html_path, "w", encoding="utf-8") as f:
f.write(updated_html)
print(f"✅ Saved: {index_html_path}")
# Optional: call markdown converter
os.system(f"python3 {GPT_CONVERTER_SCRIPT} \"{index_html_path}\"")
except Exception as e:
print(f"❌ Failed to process {page_url}: {e}")
if __name__ == "__main__":
parse_sitemap_and_process()Pas 3: Converteix HTML a Markdown amb OpenAI
generate_md.py llegeix cada arxiu _index.html, envia el contingut a l’API Chat d’OpenAI i escriu el Markdown resultant.
#!/usr/bin/env python3
import os
import sys
import json
import time
import random
import urllib.request
import urllib.error
from bs4 import BeautifulSoup
# === CONFIGURATION ===
API_MODEL = "gpt-4o"
API_KEY_FILE = "OPENAI_API_KEY.TXT"
DISABLE_API_REQUESTS = False
def read_openai_api_key():
with open(API_KEY_FILE, "r", encoding="utf-8") as f:
return f.read().strip()
def call_openai_to_convert_to_markdown(html_content, api_key=None):
if DISABLE_API_REQUESTS:
return html_content
if api_key is None:
api_key = read_openai_api_key()
time.sleep(round(random.uniform(1.0, 2.0), 2))
system_prompt = (
"You are a tool that converts HTML content from blog posts into well-structured Markdown (.md) format. "
"Convert all visible text content and replace all <img> tags with Markdown image syntax using their local filenames. "
"Retain the content hierarchy using proper markdown headers, and preserve paragraph structure. "
"Make sure image alt attributes (if any) are preserved as the alt text in the markdown image syntax."
)
data = {
"model": API_MODEL,
"temperature": 0.3,
"messages": [
{"role": "system", "content": system_prompt},
{"role": "user", "content": html_content}
]
}
request = urllib.request.Request(
"https://api.openai.com/v1/chat/completions",
data=json.dumps(data).encode("utf-8"),
headers={
"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"
}
)
try:
with urllib.request.urlopen(request) as response:
result = json.load(response)
markdown = result["choices"][0]["message"]["content"].strip()
return markdown
except Exception as e:
print(f"❌ OpenAI API request failed: {e}")
return ""
def extract_html_content(file_path):
with open(file_path, "r", encoding="utf-8") as f:
html = f.read()
soup = BeautifulSoup(html, "html.parser")
return soup.prettify()
def write_markdown_file(output_path, markdown_text):
with open(output_path, "w", encoding="utf-8") as f:
f.write(markdown_text)
print(f"✅ Markdown saved to {output_path}")
def main():
if len(sys.argv) != 2:
print("Usage: python3 generate_md.py path/to/_index.html")
return
html_file = sys.argv[1]
if not os.path.exists(html_file):
print(f"❌ File not found: {html_file}")
return
print(f"🔍 Converting HTML to Markdown: {html_file}")
html_content = extract_html_content(html_file)
markdown = call_openai_to_convert_to_markdown(html_content)
if markdown:
md_path = os.path.join(os.path.dirname(html_file), "_index.md")
write_markdown_file(md_path, markdown)
if __name__ == "__main__":
main()Estructura de carpetes de sortida
Després d’executar el pipeline, cada article del blog obté la seva pròpia carpeta:
downloads/
your-post-title/
_index.html # HTML extret i netejat
_index.md # Markdown convertit
image1.png # Imatges descarregades
image2.pngConfiguració de la clau de l’API d’OpenAI
Desa la teva clau API en un arxiu anomenat OPENAI_API_KEY.TXT al directori dels scripts:
sk-XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXExecuta el pipeline complet
bash fetch_blog_posts.shAquesta única comanda configura l’entorn, extreu tots els articles del blog del sitemap, descarrega imatges i converteix tot a Markdown.
Contribueix al projecte
El projecte és de codi obert. Els informes d’errors, suggeriments de funcions i pull requests són benvinguts.
Preguntes freqüents
Per què no puc simplement usar requests per extreure articles de blog de Wix?
Funciona amb qualsevol blog de Wix?
SITEMAP_URL a parse_blog_sitemap.py per apuntar al sitemap del teu lloc.
Quin model d’OpenAI utilitza?
API_MODEL a generate_md.py per usar un model diferent.
Puc usar això per migrar de Wix a Hugo?
_index.md generats per completar la migració.