備忘録｜NoteデータのエクスポートとMD化

AGENTS.md

## 依頼
AIへ：NoteからエクスポートしたWXRアーカイブを以下の形式に変換するPythonスクリプトを作って：

## サンプルデータ
C:\note\export.zip

## 変換後仕様
index.html */目録形式、<a href="posts/記事1.html">投稿日YYYYMMDD 記事タイトル</a> /*
   \posts\
      記事1.html */hash値がファイルネーム/*
      記事2.html
      記事3.html
      記事4.html
      記事5.html
    \posts\assets\ */ 画像などはここへ配置し記事内から参照 /*
   \drafts\
      下書き1.html
      下書き2.html
      下書き3.html
    \drafts\assets\

## HTMLのスタイル

 */コンテンツはスクリーンリーディングに適したなビューエリア内に表示/*
バナー画像
投稿日時
本文

AGENTS.md

## 依頼
AIへ：NoteからエクスポートしたWXRアーカイブを以下の形式に変換するPythonスクリプトを作って：

## サンプルデータ
C:\note\export.zip

## 変換後仕様
\posts\
   記事1.md */日付YYYYMMDD_記事名.md/*
   記事2.md
   記事3.md
   記事4.md
   記事5.md
\drafts\
   下書き1.md
   下書き2.md
   下書き3.md
\assets\
  \日付YYYYMMDD_記事名1\  */記事名1中のバナー+画像+埋め込みファイル/*
  \日付YYYYMMDD_記事名2\
  \日付YYYYMMDD_記事名3\
  \日付YYYYMMDD_記事名4\
  \日付YYYYMMDD_記事名5\
  \日付YYYYMMDD_下書き1\
  \日付YYYYMMDD_下書き2\
  \日付YYYYMMDD_下書き3\


## MDのスタイル

YAML形式のフロントマターにタイトル、投稿日などを配置
バナー画像リンク
本文 */MDへ変換/*

"""Note export (WXR zip) -> Markdown + assets.
Usage: python convert-note-archive.py --archive export.zip   (pip install markdownify)"""
import argparse, json, re, zipfile
from pathlib import Path, PurePosixPath
from xml.etree import ElementTree as ET
from markdownify import markdownify

NS = {"c": "http://purl.org/rss/1.0/modules/content/", "wp": "http://wordpress.org/export/1.2/"}
ap = argparse.ArgumentParser(); ap.add_argument("--archive", required=True)
src = Path(ap.parse_args().archive)
out = src.with_name(src.stem + "_md")
zf = zipfile.ZipFile(src)
xml = next(n for n in zf.namelist() if n.endswith(".xml"))
assets = {PurePosixPath(n).name: n for n in zf.namelist() if "/assets/" in "/" + n and not n.endswith("/")}

for item in ET.fromstring(zf.read(xml)).find("channel").findall("item"):
    title = item.findtext("title") or "untitled"
    date = (item.findtext("wp:post_date", namespaces=NS) or "")[:10].replace("-", "")
    kind = "posts" if item.findtext("wp:status", namespaces=NS) == "publish" else "drafts"
    stem = re.sub(r'[<>:"/\\|?*\s]+', "_", f"{date}_{title}")[:80]
    html = item.findtext("c:encoded", namespaces=NS) or ""

    def relink(m):  # copy a referenced image into assets/<stem>/ and point the link there
        name = PurePosixPath(m.group(1)).name
        if name not in assets:
            return m.group(0)
        (out / "assets" / stem).mkdir(parents=True, exist_ok=True)
        (out / "assets" / stem / name).write_bytes(zf.read(assets[name]))
        return f'src="../assets/{stem}/{name}"'

    html = re.sub(r'src="((?!https?:)[^"]*assets/[^"]+)"', relink, html)
    front = f"---\ntitle: {json.dumps(title, ensure_ascii=False)}\nurl: {item.findtext('link')}\ndate: {date}\n---\n"
    (out / kind).mkdir(parents=True, exist_ok=True)
    (out / kind / f"{stem}.md").write_text(f"{front}\n# {title}\n\n{markdownify(html)}", encoding="utf-8")
print("done ->", out)