神戸辺り、たゆたう時間

シーサーブログで、サーバー障害発生、とかいうニュースもあり、そろそろバックアップを真剣に考えないといけませんね。
そもそも、楽天広場にはエクスポート機能はないので、バックアップを取るには自分でなんとかしなければなりません。
ま、ブログ乗り換えの時には、前のブログのことはきれいさっぱり忘れて心機一転、という方もいらっしゃるようですが、いくら駄文の固まりとは言え、約３０年ぶりに付け始めた日記です。人様には価値はなくとも、私には大事な記録です。

ということでバックアップをなんとか自前でやろう、と思い立ちました。
日記の各ページはwgetとかでばばばっと取得してしまえばいいのであっと言う間なのですが、いかんせんこれでは再利用できません。
　・楽天広場のサーバーが吹っ飛んだ時
　・別のブログに乗り換える時
に利用できる形にデータを整えておく必要があります。
そこで、以下の項目だけを抽出して、ためておくことにしました。

• 投稿日
  
• カテゴリ
  
• タイトル
  
• 本文
  

さしあたり、これだけあればいいかな。
まずはダウンロードしたhtmlファイルを調べると、

1. まず最初に山のようなヘッダ情報。４００行もある。
   
2. 私のページデザインの場合、続けて左ペインが１００行ちょっと。
   
3. 
   ＜a name="200602210000"＞＜/a＞
   というあたりからようやく日記が始まる。
   （楽天広場で使えるタグの関係上、一部は全角文字で書いています）
   （この場合、2/21の１件目の記事）
   
4. その直後の
   ＜TABLE border="0" cellpadding="0" cellspacing="0" width="100%"＞＜TR＞＜TD＞
   というのに続いて、タイトル。
   
5. 
   ＜div class="cate_list"＞
   に続くのが、カテゴリ。[]で囲まれている。
   
6. ２行ほど後の
   ＜DIV class="lo"＞
   に続くのが本文。
   本文の終わりは分かりにくいけど、
   ＜!-- --＞＜br clear="all"＞
   というのを見つければいいのかな？
   

というルールに従って、必要部分だけを抽出するスクリプトを書けばiいい訳だ。

あ、この調査結果はあくまで私のブログ用なので、他のデザインのブログでは違っているかも知れません。あしからず。