OpenAI를 사용하여 Wix 블로그 게시물을 Markdown으로 내보내기
Wix에서 블로그 게시물을 내보내는 이유
요약: 이 가이드에서는 세 개의 Python 스크립트를 사용하여 Wix 블로그 게시물을 Markdown으로 내보내는 방법을 보여줍니다: 설정 실행기, Selenium 기반 스크래퍼, OpenAI 기반 HTML-to-Markdown 변환기. 결과물은 Hugo, Jekyll 또는 기타 정적 사이트 생성기에 바로 사용할 수 있는 깔끔하고 이식 가능한 Markdown 파일입니다.
Wix는 기본적으로 Markdown으로 블로그를 내보내는 기능을 제공하지 않습니다. Hugo나 Jekyll 같은 정적 사이트 생성기로 마이그레이션하려면 렌더링된 페이지를 스크래핑하고, 콘텐츠를 추출하고, 변환해야 합니다. 이 튜토리얼에서는 Python, Selenium, BeautifulSoup, OpenAI의 GPT API를 사용하여 전체 프로세스를 자동화합니다.
파이프라인은 세 개의 스크립트를 사용합니다:
fetch_blog_posts.sh— 환경을 설정하고 파이프라인을 실행합니다parse_blog_sitemap.py— Selenium으로 페이지를 렌더링하고, 콘텐츠를 추출하고, 이미지를 다운로드합니다generate_md.py— OpenAI를 통해 HTML을 Markdown으로 변환합니다
1단계: 환경 설정
Python 확인, 가상 환경 설정, 의존성 설치, 파이프라인 실행을 처리하는 fetch_blog_posts.sh를 만듭니다.
#!/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
deactivate2단계: 블로그 콘텐츠 스크래핑 및 추출
parse_blog_sitemap.py가 주요 작업을 수행합니다:
- 사이트맵 XML을 가져와 모든 블로그 게시물 URL을 찾습니다
- Selenium으로 각 페이지를 렌더링합니다 (Wix 콘텐츠가 동적으로 로드되기 때문에 필요)
<div id="content-wrapper">를 추출하여 기사 콘텐츠를 분리합니다- 모든 이미지를 로컬에 다운로드하고
src속성을 업데이트합니다 - 정리된 HTML을
_index.html로 저장합니다 - Markdown 변환기를 호출합니다
왜 requests 대신 Selenium인가? Wix는 JavaScript로 콘텐츠를 렌더링합니다. 단순 HTTP 요청은 빈 페이지 셸을 반환합니다. Selenium은 헤드리스 Chrome 브라우저를 실행하여 완전히 렌더링된 HTML을 가져옵니다.
#!/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()3단계: OpenAI로 HTML을 Markdown으로 변환
generate_md.py는 각 _index.html 파일을 읽고, 콘텐츠를 OpenAI의 Chat API로 보내고, 결과 Markdown을 작성합니다.
#!/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()출력 폴더 구조
파이프라인 실행 후 각 블로그 게시물은 자체 폴더를 갖습니다:
downloads/
your-post-title/
_index.html # 추출 및 정리된 HTML
_index.md # 변환된 Markdown
image1.png # 다운로드된 이미지
image2.pngOpenAI API 키 설정
스크립트 디렉토리에 OPENAI_API_KEY.TXT라는 파일에 API 키를 저장하세요:
sk-XXXXXXXXXXXXXXXXXXXXXXXXXXXXXX전체 파이프라인 실행
bash fetch_blog_posts.sh이 단일 명령으로 환경 설정, 사이트맵의 모든 블로그 게시물 스크래핑, 이미지 다운로드, 모든 것의 Markdown 변환이 이루어집니다.
프로젝트에 기여하기
이 프로젝트는 오픈 소스입니다. 버그 보고, 기능 제안, 풀 리퀘스트를 환영합니다.
자주 묻는 질문
왜 Wix 블로그 게시물을 스크래핑하는 데 requests를 사용할 수 없나요?
어떤 Wix 블로그에서도 작동하나요?
parse_blog_sitemap.py의 SITEMAP_URL 변수를 사이트의 사이트맵으로 업데이트하기만 하면 됩니다.
어떤 OpenAI 모델을 사용하나요?
generate_md.py의 API_MODEL 변수를 변경하여 다른 모델을 사용할 수 있습니다.
Wix에서 Hugo로 마이그레이션하는 데 사용할 수 있나요?
_index.md 파일에 front matter를 추가하세요.