Wix blogbejegyzések exportálása Markdownba OpenAI-val

Artem Meleshko Co-Founder & iOS Engineer at Everappz

Miért exportáljunk blogbejegyzéseket a Wixből?

Összefoglalva: Ez az útmutató bemutatja, hogyan exportálhatod a Wix blogbejegyzéseket Markdownba három Python szkript segítségével: egy beállítási futó, egy Selenium-alapú scraper és egy OpenAI-hajtotta HTML-Markdown konverter. Az eredmény tiszta, hordozható Markdown fájlok, amelyek készen állnak Hugo, Jekyll vagy bármely statikus oldalgenerátor számára.

A Wix nem kínál natív blog exportálást Markdownba. Ha statikus oldalgenerátorra, mint a Hugo vagy Jekyll, migrálsz, scrapelned kell a renderelt oldalakat, ki kell nyerned a tartalmat és konvertálnod. Ez az útmutató automatizálja az egész folyamatot Python, Selenium, BeautifulSoup és OpenAI GPT API használatával.

A pipeline három szkriptet használ:

• fetch_blog_posts.sh — beállítja a környezetet és futtatja a pipeline-t
• parse_blog_sitemap.py — oldalakat renderel Seleniummal, tartalmat nyer ki, képeket tölt le
• generate_md.py — HTML-t konvertál Markdownba OpenAI-n keresztül

1. lépés: Környezet beállítása

#!/bin/bash
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
    python3 -m venv "$VENV_DIR"
fi
source "$VENV_DIR/bin/activate"
pip install --upgrade pip
pip install beautifulsoup4 lxml selenium webdriver-manager
python3 parse_blog_sitemap.py
deactivate

2. lépés: Blog tartalom scrape-elése és kinyerése

parse_blog_sitemap.py végzi a nehéz munkát: lekéri a sitemap XML-t, rendereli az oldalakat Selenium-mal, kinyeri a <div id="content-wrapper">-t, letölti a képeket és elmenti a tisztított HTML-t.

Miért Selenium és nem requests? A Wix JavaScripttel rendereli a tartalmat. Egy egyszerű HTTP kérés üres oldalhéjat ad vissza.

3. lépés: HTML konvertálása Markdownba OpenAI-val

generate_md.py beolvassa az _index.html fájlokat, elküldi a tartalmat az OpenAI Chat API-nak és kiírja az eredményül kapott Markdownt.

Kimeneti mappastruktúra

downloads/
  your-post-title/
    _index.html      # Kinyert és tisztított HTML
    _index.md         # Konvertált Markdown
    image1.png        # Letöltött képek

Teljes pipeline futtatása

bash fetch_blog_posts.sh

Hozzájárulás a projekthez

A projekt nyílt forráskódú.

Gyakran ismételt kérdések