wjs-converting-wp-to-hugo

把任意 WordPress 站迁成 Hugo + Markdown + git 静态站，部署到 GitHub Pages。 输入只需两样，全程离线、零第三方依赖：

1. WXR 导出 — WordPress 后台 工具 → 导出 → 所有内容 得到的 *.xml（包含全部文章/页面/分类/标签的 HTML 正文）。
2. uploads/ 文件夹 — 站点的 wp-content/uploads/（按 年/月 分目录的图片与附件）。

产出：content/*.md + static/wp-content/uploads/ + 手写极简主题，Hugo 构建，GitHub Actions 发布。 全站 URL 保持 /archives/<数字>/ 不变，老链接 100% 不断。

When to use

• 用户有一个 WordPress 站，想去掉动态/评论/数据库，改成 git + Markdown 维护。
• 用户提供了 WXR .xml 和 uploads/（或能拿到）。
• 老链接必须保留（SEO / 外部引用）。

When NOT to use

• 没有 WXR，只有线上站 → 先在 WP 后台导出，或用 REST API 拉 JSON（本 skill 走 WXR，更可移植）。
• 要保留评论/会员/搜索等动态功能 → 静态站做不了，不适用。
• 站点极小（几篇）→ 手抄更快。

Core principle

WXR 是唯一真相源，uploads/ 直接当静态资源。 图片不下载、不改名：把 uploads/ 拷进 static/wp-content/uploads/，正文里的图片 URL 改成 根相对 /wp-content/uploads/... 即可原地解析。文章 URL 从 <link> 原样保留。转换器是纯函数 + 单元测试，先测后写。

Pipeline

WXR .xml + uploads/  →  wxr_to_hugo.py  →  content/*.md + static/wp-content/uploads/  →  hugo build  →  GitHub Actions  →  Pages

Two decisions you MUST ask the user (do not silently decide)

WordPress 里有两类内容静态站处理不了，必须问用户，别擅自发布：

1. 密码保护文章（<wp:post_password> 非空）。静态站无密码门 → 发布就是公开。 选项：排除（默认，最安全，URL 会 404）/ 公开发布 / 转成 draft。 核对计数务必用 ElementTree（即 parse_items），别用裸 grep：<wp:post_password> 的值是 CDATA 包裹的（<![CDATA[secret]]>），grep '<wp:post_password>[^<]*</...>' 会把每条都当空 → 误报「0 篇密码文章」漏掉真有密码的文章（maggiacito.com 实战，差点漏发 1 篇）。
2. WordPress 脚手架页（sample-page、login/register/findpassword 等插件短代码页、空页、登录设计器预览页）。 默认排除——它们不是内容。is_real_page() 已按「空正文 / 单条短代码 / 默认 slug 黑名单」过滤。

转换器对这两类都已实现排除；用 AskUserQuestion 确认后再跑全量。

Steps

1. 放好输入，建工程

mkdir -p ~/code/<site> && cd ~/code/<site> && git init
# 把 WXR 拷进来（注意：WXR 含密码文章正文 + 作者邮箱，勿提交！见「安全」）
cp /path/to/<site>.WordPress.*.xml .
# uploads/ 放到工程根（含子目录 年/月）。注意它可能含 wordpress_db.sql —— 勿提交！
cp -R /path/to/uploads ./uploads
mkdir -p scripts tests content/posts layouts/_default layouts/partials static

拷入本 skill 的资产（保持目录对应）：

SK="$HOME/.claude/skills/wjs-converting-wp-to-hugo"
cp "$SK"/scripts/*.py scripts/                       # wxr_to_hugo.py, verify_build.py
cp "$SK"/tests/test_wxr.py tests/                     # 单元测试（须放 tests/，与 scripts/ 同级）
cp -R "$SK"/assets/layouts/. layouts/                 # 手写主题
cp "$SK"/assets/hugo.toml .                           # 改 title / baseURL / 菜单
mkdir -p .github/workflows && cp "$SK"/assets/workflow-hugo.yml .github/workflows/hugo.yml
cp "$SK"/assets/gitignore .gitignore
printf '%s' '<你的域名，如 huixianju.cn>' > static/CNAME   # 自定义域名

2. 先跑测试（转换器是 TDD 的）

python3 tests/test_wxr.py     # 期望 ALL PASS；改任何转换逻辑都先加失败测试

3. 确认计数 + 跑全量转换

python3 scripts/wxr_to_hugo.py <site>.WordPress.*.xml

打印报告：posts / pages / images / uploads_copied / warnings。核对文章数与 WP 后台一致。 warnings 会列出：空正文文章、被跳过的脚手架页、外链图片。

4. 构建并断言所有老链接命中

hugo --gc --minify              # 没装：brew install hugo（要 extended）
python3 scripts/verify_build.py <site>.WordPress.*.xml   # checked N posts, missing 0

5. 本地肉眼核对

hugo server -p 1313

对照线上抽查 5 篇（含 1 篇图片帖、1 篇多链接帖）：标题、列表、链接、图片、视频是否正常。 关键：链接应是页面相对（../../...），图片从本地 /wp-content/uploads/ 加载，不是从线上拉。

6. 推到 GitHub（公开仓库见「安全」）

gh repo create <site> --public --source=. --remote=origin
git push -u origin main

7. 开 Pages → Actions，先开后跑

gh api -X POST repos/<owner>/<site>/pages -f build_type=workflow

坑：若 Pages 还没开就 push，首个 Action 会在 configure-pages 处 404 失败。开了 Pages 后重跑：

gh workflow run "Deploy Hugo site to Pages" --repo <owner>/<site>
gh run watch <run-id> --repo <owner>/<site> --exit-status

验证临时地址 https://<owner>.github.io/<site>/：home / 一篇 post / categories / index.xml / 一张图都 200。 （刚部署时图片可能短暂 301，是 CDN 预热，跟随重定向最终 200。）

8. DNS 切换（操作者手动，验证通过后再做）

先确认临时地址全站无误，WP 仍在线，零风险。然后在 DNS 商（如 Cloudflare）把域名指向 Pages：

• apex：A 记录 → 185.199.108.153 / 109.153 / 110.153 / 111.153，或 CNAME → <owner>.github.io。
• 用 Cloudflare 橙云代理时，SSL/TLS 设 Full；首次签证书可临时灰云（仅 DNS）。
• DNS 生效后 Pages 勾 Enforce HTTPS。
• 线上稳定数日后再下线老 WP（先停机留备份，确认无需回退再彻底删）。

转换器踩过的坑（已在 wxr_to_hugo.py 修好，勿回退）

坑	现象	修法
超链接丢 href	<a href> 只剩文字，URL 丢了	<a> 内攒文字，闭合时输出 [文字](href)
相册多余 -（figure 版）	图片帖每张图前一个空列表符	figure 栈识别 wp-block-gallery，相册内 <li> 不输出 -
相册多余 -（ul 版）	早期 Gutenberg 把 wp-block-gallery 放 <ul>（无 <figure> 包裹），上一行的 figure 判定漏掉，每图前留孤立 -	_ul_stack 同样识别 <ul class=wp-block-gallery>，相册内 <li> 不输出 - （maggiacito.com 实战）
CJK permalink 编码	permalink 是 URL 编码的中文（/sculpting-in-time/%e4%ba%8c…/）。原样保留会让 Hugo 建字面 %e4%.. 目录，服务器把请求里的 %xx 解码后对不上 → 老链接全断	_norm_url() 用 unquote() 把路径解码成中文，Hugo 建 UTF-8 目录；静态主机对入站 %xx 解码即命中，编码/解码两种老链接都活。数字 /archives/<id>/ 不受影响（maggiacito.com 实战）
图片从线上加载	正文图是绝对 https://站点/wp-content/...	_root_relative() 把自托管图改成 /wp-content/...；外链图保持绝对
视频/嵌入丢失	<video>/<iframe> 正文变空	原样透传为 HTML（hugo.toml 开 goldmark unsafe=true）
lastmod 空	有的 WXR 无 wp:post_modified	缺失时回退到 wp:post_date
经典编辑器软换行	正文裸 \n 被吃	handle_data 保留裸文本换行
实体没解码	标题里 &#038;	html.unescape()；标题内引号换成单引号
发新文跳号	手动起 URL 号易撞	next_archive_id() 扫现有最大号 +1

链接可移植性

hugo.toml 设 relativeURLs = true + canonifyURLs = false，Hugo 把所有链接输出成页面相对 （../../archives/123/）。这样 public/ 在 file://、子路径（github.io/<repo>/）、自定义域名下都能点。 图片 URL 在转换器里已改成根相对，Hugo 再相对化，本地/线上都解析。

安全（公开仓库必读）

WXR 和原始 uploads/ 含敏感数据，绝不进 git：

• WXR .xml 含密码保护文章的正文（正是你从站点排除的内容）和作者邮箱。
• uploads/wordpress_db.sql 是整库 dump（用户、密码哈希）。转换器拷贝时已跳过 .sql/.DS_Store。
• assets/gitignore 用根锚定 /uploads/（不能写 uploads/，否则会连 static/wp-content/uploads/ 一起忽略，图片就传不上去）。它还忽略 *.WordPress.*.xml、public/、resources/。
• 若 WXR 之前已被 commit：gitignore 对已跟踪文件无效，要先 git rm --cached <xml>。
• 推公开仓库前，若历史里有 WXR、含基础设施细节的设计文档（实例 ID / IP / 云命令）→ 重建干净历史：

  git checkout --orphan _clean && git add -A && git commit -m "..." && git branch -D main && git branch -m main
  

  确认 git diff --cached --name-only | grep -iE 'WordPress.*xml|wordpress_db|\.sql$' 为空再推。

主题

assets/layouts/ 是手写极简主题，零外部依赖（不用 submodule / PaperMod，省掉外来构建代码与权限麻烦）。 CJK 友好、首页文章列表、分类页、按年归档、文章页上下篇、/feed/ → /index.xml 老 RSS 兼容。 改 static/CNAME 为目标域名。

以后写新文章

ID=$(python3 -c "import sys;sys.path.insert(0,'scripts');import wxr_to_hugo;print(wxr_to_hugo.next_archive_id('content'))")
# 建 content/posts/$ID.md，front matter 写 url: /archives/$ID/，与老文章同一号段
git push   # Action 自动构建上线

验收

• 文章数与 WP 后台一致；每个 /archives/<id>/ 在 public/ 命中（verify_build.py）
• 图片全本地化，无外链 wp-content；视频/iframe 透传可播
• 密码文章、脚手架页已按用户决定处理
• 链接页面相对，file:///子路径/域名都可点
• WXR / db.sql / 原始 uploads 未进 git；公开仓库历史无敏感数据
• 临时 Pages 地址全站 200，DNS 切换后老链接 200