言归正传，目前新浪博客的评论是用JavaScript生成的，直接用urllib2读取的信息中没有评论信息

通过Firefox下的firebug或者Chrome自带的Develop Tools，都可以找到js脚本在运行时GET的数据，具体方法是：打开之后选择“Network”标签，并选择“XHR”分类项，刷新页面并等待加载完成，稍等一会就会看到GET了一条以“comment”开头的html页面。

主要规律是，例如韩寒同学的这篇日志地址是 “http://blog.sina.com.cn/s/blog_4701280b0101854o.html”，那么打开日志页面时GET的就会是 “comment_4701280b0101854o_1.html”，规律不难发现，后面的那个数字就是评论的页数，最后的那个页数可以变为任意整数（没有尝试过上限），当超过实际评论页数时，显示的会是同样的编码，这也就是循环结束条件

此地址为相对路径，打开后是一堆乱码，这就是JavaScript的数据存储形式——json编码。可以简单的类比成Python中的字典，本例中共有两个关键字，一个是“Code”，对应值”A00006″，没发现啥用处，第二个关键字是“data”，其余部分均为data的对应值，利用Python的json模块进行解析可以发现，这就是评论的html代码。不过这里需要注意的是，第二个关键字“data”缺少双引号，直接解析会报错，需要先进行字符串处理，然后再解析。

相关代码如下（完整代码可以参见前言中的代码托管地址）：

#根据json解析之后的html代码总结出来的各个关键信息的正则表达式
comment_author_pattern=re.compile(r'<span class="SG_revert_Tit".*?>(.*?)</span>')
comment_url_pattern=re.compile(r'<a href="(.*?)" target="_blank">(.*?)</a>')
comment_time_pattern=re.compile(r'<em class="SG_txtc">(.*?)</em>')
comment_content_pattern=re.compile(r'<div class="SG_revert_Inner SG_txtb".*?>(.*?)</div>', re.S) #这里的re.S很重要

def commentsAnalyze(key): #key为地址中间的标识性字符串
    num=1 #表示评论的页数
    url=r'http://blog.sina.com.cn/s/comment_%s_%d.html' %(key, num) #生成json编码对应的地址
    page=urllib2.urlopen(url).read().replace('data:','\"data\":',1) #给data添加双引号
    while not 'noCommdate' in page: #noCommdata是无评论json编码页面的关键字
        data=json.loads(page)['data'] #<strong>最关键的一部</strong>，json代码的解析并有效部分

        #通过正则匹配出相关信息，其中url是可能存在的，将稍后处理
        author=comment_author_pattern.findall(data)
        url=[]
        time=comment_time_pattern.findall(data)
        content=comment_content_pattern.findall(data)

        #后处理url，判断前面提取出来的author周边是不是带有<a>标签（超链接）即可
        for i in range(len(author)):
            comment_id+=1
            result=comment_url_pattern.search(author[i])
            if result:
                url.append(result.group(1))
                author[i]=result.group(2)
            else: url.append('')

        num+=1 #评论页数+1
        url=r'http://blog.sina.com.cn/s/comment_'+key+'_'+str(num)+'.html' #生成新的页面地址
        page=urllib2.urlopen(url).read().replace('data:','\"data\":',1) #修正data的双引号，重复循环

【后记】感谢 @lqs 学长和 北航开源俱乐部BHOSC的同胞们 在此问题上给予的帮助

简化原则是适应Sina2WordPress项目的需要，尽可能精简文件大小，删除了导入无效的（如博客标题、博客链接等）和从新浪博客中无法获取的（如评论者的链接和IP等）信息，还有item之前的的作者、分类和标签信息。作者在导入时可以指定的，反而加上会有可能的错误，分类和标签的信息用post中的分类和标签就可以自动统计了。没想明白为什么非要单独列出来，难道是为了空的分类和标签，那还要它干嘛？

一些必不可少的标签及错误总结：
1、wxr_version，缺少会提示“missing/invalid WXR version number”的错误
2、post_id，否则只会导入第一篇文章
3、status，否则都会显示成draft
4、post_type，否则无法导入
5、comment_approved，否则无法导入

P.S.post_id的问题纠结了好久，为什么官方不好好设计一下呢？至少觉得应该在Settings设定对应的选项的……

< ?xml version="1.0" encoding="UTF-8" ?>

<rss version="2.0"
	xmlns:excerpt="http://wordpress.org/export/1.1/excerpt/"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:wp="http://wordpress.org/export/1.1/"
>
<!--RSS版本号和名字空间的扩展，以上为固定内容-->

<channel>
	<wp:wxr_version>1.1</wp:wxr_version>
	<!--WXR格式版本号-->

	<item><!--页面或者日志内容，每个为一个item-->
		<title>Title test</title>
		<!--标题-->
		<content:encoded>< ![CDATA[Content_test]]></content:encoded>
		<!--这里是正文内容-->
		<wp:post_id>1</wp:post_id>
		<!--页面或日志的序号，两者使用同一序列-->
		<wp:post_date>2002-12-21 07:59:59</wp:post_date>
		<!--发表时间-->
		<wp:comment_status>open</wp:comment_status>
		<!--评论开启情况，open / closed-->
		<wp:status>publish</wp:status>
		<!--页面或日志状态，publish / draft / pending / private-->
		<wp:post_type>post</wp:post_type>
		<!--文章类型，post / page-->
		<wp:is_sticky>0</wp:is_sticky>
		<!--文章是否置顶，0 / 1-->

		<category domain="post_tag" nicename="tag_test">< ![CDATA[Tag Test]]></category>
		<category domain="category" nicename="category_test">< ![CDATA[Category Test]]></category>
		<!--
			日志或页面的标签和分类，可多个
			domain：标签对应post_tag，分类对应category
			nicename：对应标签或分类的URL友好名称
			<![CDATA[]]>：标签或分类的显示名称
		-->

		<wp:comment><!--评论，可多个-->
			<wp:comment_id>1</wp:comment_id>
			<!--自增序号，评论专用-->
			<wp:comment_author>< ![CDATA[anonymous]]></wp:comment_author>
			<!--评论者用户名-->
			<wp:comment_date>2012-12-21 07:59:59</wp:comment_date>
			<!--评论时间-->
			<wp:comment_content>< ![CDATA[Content of Comment]]></wp:comment_content>
			<!--评论内容-->
			<wp:comment_approved>1</wp:comment_approved>
			<!--评论是否被允许-->
			<wp:comment_parent>0</wp:comment_parent>
			<!--父评论，指定所回复的评论-->
		</wp:comment>
	</item>
</channel>
</rss>

WXR是Wordpress eXtended Rss的缩写，是WordPress针对博客信息特意设定的格式，它最大的优点是兼容性好，包含信息丰富

通过参照导出的文件，初步找到一个完备集（见下方代码），经测试在WP无任何内容情况下无信息缺漏错误现象

下方代码已经尽可能的注释了所有可能的标签和属性，并且由于一些标签和属性与Sina2WordPress关系不大，故未深究

< ?xml version="1.0" encoding="UTF-8" ?>

<rss version="2.0"
	xmlns:excerpt="http://wordpress.org/export/1.1/excerpt/"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:wp="http://wordpress.org/export/1.1/"
>
<!--RSS版本号和名字空间的扩展，以上为固定内容-->

<channel>
	<title>Blog Title</title>
	<!--博客的标题-->
	<link>http://blog.example.com</link>
	<!--博客的链接-->
	<description>Blog Description</description>
	<!--博客的说明/副标题-->
	<pubdate>Dec, 20 Jun 2012 23:59:59 +0000</pubdate>
	<!--WXR文件生成时间-->
	<language>en</language>
	<!--博客的语言，en / zh-cn-->
	<wp:wxr_version>1.1</wp:wxr_version>
	<!--WXR格式版本号-->
	<wp:base_site_url>http://example.com</wp:base_site_url>
	<!--网站根目录地址-->
	<wp:base_blog_url>http://blog.example.com</wp:base_blog_url>
	<!--博客根目录地址-->

	<wp:author><wp:author_id>1</wp:author_id><wp:author_login>admin_test</wp:author_login><wp:author_email>admin@example.org</wp:author_email><wp:author_display_name>< ![CDATA[AdMin test]]></wp:author_display_name><wp:author_first_name>< ![CDATA[AdMin]]></wp:author_first_name><wp:author_last_name>< ![CDATA[test]]></wp:author_last_name></wp:author>
	<!--
		作者列表，可多个
		wp:author_id：自增序号
		wp:author_login：用户名
		wp:author_email：邮箱
		wp:author_display_name：显示的作者名称
		wp:author_first_name、wp:author_last_name：如字面意，可为空，但需有<![CDATA[]]>
		P.S.< ![CDATA[**]]>可以理解成强制文本转换，保留文本中所有字符，以避免非法字符对XML文件的影响（后文不再赘述）
	-->

	<wp:category><wp:term_id>1</wp:term_id><wp:category_nicename>category_test</wp:category_nicename><wp:category_parent></wp:category_parent><wp:cat_name>< ![CDATA[分类测试]]></wp:cat_name></wp:category>
	<!--
		分类列表，可多个
		wp:term_id：自增序号，且分类和标签用的是同一个
		wp:category_nicename：URL友好名称，作为相关URL的一部分
		wp:category_parent：父分类，无即为空
		wp:cat_name：显示的分类名称
	-->

	<wp:tag><wp:term_id>2</wp:term_id><wp:tag_slug>tag_test</wp:tag_slug><wp:tag_name>< ![CDATA[标签测试]]></wp:tag_name></wp:tag>
	<!--
		标签列表，可多个
		wp:term_id：自增序号，与标签使用同一个序列
		wp:tag_slug：URL友好名称，作为相关URL的一部分
		wp:tag_name：显示的标签名称
	-->

	<generator>http://wordpress.org/?v=3.1.3</generator><!--WXR文件生成工具的标识-->

	<item><!--页面或者日志内容，每个为一个item-->
		<title>Title</title>
		<!--标题-->
		<link>http://blog.example.com/title/</link>
		<!--URL地址-->
		<pubdate>Thu, 15 Apr 2010 23:20:03 +0000</pubdate>
		<!--发布时间-->
		<dc:creator>admin</dc:creator>
		<!--文章作者-->
		<guid isPermaLink="false">http://blog.example.com/?page_id=1</guid>
		<!--
			GUID 意为 Global Unique IDentification，即全局唯一标识
			isPermaLink="false" 指示该地址非合法URL地址的属性
		-->
		<description></description>
		<content:encoded>< ![CDATA[Content_test_1]]></content:encoded>
		<!--这里是正文内容-->
		<excerpt:encoded>< ![CDATA[]]></excerpt:encoded>
		<!--文章摘录，供RSS/Atom使用，一般为空-->
		<wp:post_id>2</wp:post_id>
		<!--页面或日志的序号，两者使用同一序列-->
		<wp:post_date>2012-12-21 07:59:5</wp:post_date>
		<!--发表时间-->
		<wp:post_date_gmt>2010-12-20 23:59:59</wp:post_date_gmt>
		<!--发表时间（GMT）-->
		<wp:comment_status>open</wp:comment_status>
		<!--评论开启情况，open / closed-->
		<wp:ping_status>closed</wp:ping_status>
		<!--Ping开启情况，open / closed-->
		<wp:post_name>blog_title</wp:post_name>
		<!--URL友好的名称-->
		<wp:status>publish</wp:status>
		<!--页面或日志状态，publish / draft / pending / private-->
		<wp:post_parent>0</wp:post_parent>
		<!--只用于页面，指示父页面的id-->
		<wp:menu_order>0</wp:menu_order>
		<!--只用与页面，作为导航时的排序权值-->
		<wp:post_type>post</wp:post_type>
		<!--文章类型，post / page-->
		<wp:post_password></wp:post_password>
		<!--文章是否加密-->
		<wp:is_sticky>0</wp:is_sticky>
		<!--文章是否置顶，0 / 1-->

		<category domain="post_tag" nicename="tag_test">< ![CDATA[Tag Test]]></category>
		<category domain="category" nicename="category_test">< ![CDATA[Category]]></category>
		<!--
			日志或页面的标签和分类，可多个
			domain：标签对应post_tag，分类对应category
			nicename：对应标签或分类的URL友好名称
			<![CDATA[]]>：标签或分类的显示名称
		-->

		<wp:postmeta><!--日志或页面的元数据，可多个-->
			<wp:meta_key>_edit_last</wp:meta_key>
			<!--元数据的关键字-->
			<wp:meta_value>< ![CDATA[1]]></wp:meta_value>
			<!--元数据对应关键字的值-->
		</wp:postmeta>

		<wp:comment><!--评论，可多个-->
			<wp:comment_id>1</wp:comment_id>
			<!--自增序号，评论专用-->
			<wp:comment_author>< ![CDATA[anonymous]]></wp:comment_author>>
			<!--评论者用户名-->
			<wp:comment_author_email>anonymous@anonymous.com</wp:comment_author_email>
			<!--评论者邮箱-->
			<wp:comment_author_url>http://blog.anonymous.com</wp:comment_author_url>
			<!--评论者链接-->
			<wp:comment_author_ip>8.8.8.8</wp:comment_author_ip>
			<!--评论者IP-->
			<wp:comment_date>2012-12-21 07:59:59</wp:comment_date>
			<!--评论时间-->
			<wp:comment_date_gmt>2012-12-20 23:59:59</wp:comment_date_gmt>
			<!--评论时间（GMT）-->
			<wp:comment_content>< ![CDATA[Content of Comment]]></wp:comment_content>
			<!--评论内容-->
			<wp:comment_approved>1</wp:comment_approved>
			<!--评论是否被允许-->
			<wp:comment_type></wp:comment_type>
			<!--评论类型，空白表示一般评论，否则会标记位pingback-->
			<wp:comment_parent>0</wp:comment_parent>
			<!--父评论，指定所回复的评论-->
			<wp:comment_user_id>0</wp:comment_user_id>
			<!--如果评论者为注册用户，这里会记录用户ID-->
		</wp:comment>
	</item>
</channel>
</rss>

参考：http://ipggi.wordpress.com/2011/03/16/the-wordpress-extended-rss-wxr-exportimport-xml-document-format-decoded-and-explained/

安装lnmp
注：版本可能有更新，0.7为截至2011/06/03的最新版

wget http://soft.vpser.net/lnmp/lnmp0.7.tar.gz
tar zxvf lnmp0.7.tar.gz
cd lnmp0.7/
./ubuntu.sh

创建虚拟主机

/root/vhost.sh

root账户的使用
平时使用普通账户登录，需要使用root权限的时候用su命令，然后再输入root命令，使用完root权限之后可以用ctrl+D退出权限，继续使用普通账户权限，这样可以防止权限的混乱

安装OpenVPN

wget http://vpsnoc.com/scripts/debian-openvpn.sh
chmod +x debian-openvpn.sh
./debian-openvpn.sh

按照提示安装完成后下载keys.tgz，将其解压到OpenVPN安装目录下的config子目录，然后启动OpenVPN就可以使用了

wordpress的rewrite问题
默认的规则有点小问题，替换为以下的即可：

if  (!-e $request_filename)
{
    rewrite (.*) /index.php;
}

WordPress文件权限

chown -R www.www /blog

0、准备工作

sudo apt-get update

1、安装并开启Nginx

sudo apt-get intsall nginx
sudo /etc/init.d/nginx start
#此时访问localhost如出现"Welcome to Nginx!"页面则表明安装成功

2、安装mysql（会提示设置数据库密码）

sudo apt-get install mysql-server mysql-client

3、安装phpmyadmin并在虚拟主机根目录下建立软链接

sudo apt-get install phpmyadmin
sudo ln -s /usr/share/phpmyadmin/ /var/www/heaptech.com/ #/var/www/heaptech.com 即为虚拟主机位置

4、安装php

sudo apt-get install php5 php5-cgi php5-mysql php5-curl php5-gd php5-idn php-pear php5-imagick php5-imap php5-mcrypt php5-memcache php5-mhash php5-ming php5-pspell php5-recode php5-snmp php5-tidy php5-xmlrpc php5-sqlite php5-xsl

5、安装spawn-fcgi（控制php5-cgi的）

sudo apt-get install spawn-fcgi

6、在Nginx中配置spawn-fcgi

#在/etc/nginx/fastcgi_params文件最后添加"fastcgi_param SCRIPT_FILENAME $document_root$fastcgi_script_name;"
sudo sed -i '$ i fastcgi_param SCRIPT_FILENAME $document_root$fastcgi_script_name;' /etc/nginx/fastcgi_params

7、修改php-cgi的配置文件，把cgi.fix_pathinfo设置为1

sudo sed -i '/cgi.fix_pathinfo=/ c cgi.fix_pathinfo=1;' /etc/php5/cgi/php.ini

8、开启fastcgi并设置开机启动

#1）开启
sudo /usr/bin/spawn-fcgi -a 127.0.0.1 -p 9000 -C 5 -u www-data -g www-data -f /usr/bin/php5-cgi -P /var/run/fastcgi-php.pid

#2）设置开机启动，即在/etc/rc.local中添加"/usr/bin/spawn-fcgi -a 127.0.0.1 -p 9000 -C 5 -u www-data -g www-data -f /usr/bin/php5-cgi -P /var/run/fastcgi-php.pid"
sudo sed -i '/^exit/ i /usr/bin/spawn-fcgi -a 127.0.0.1 -p 9000 -C 5 -u www-data -g www-data -f /usr/bin/php5-cgi -P /var/run/fastcgi-php.pid' /etc/rc.local

9、设置Nginx中虚拟主机配置（最重要的部分）

#1）建立一个虚拟主机配置文件
sudo vim /etc/nginx/sites-available/heaptech.com #文件名任意

#2）添加下方到内容
server {
     listen  80; #WordPress的访问端口（默认80）
     server_name heaptech.com www.heaptech.com; #主机名称，绑定的域名
     root /var/www/heaptech.com;  #虚拟主机根目录

     location / {
         index  index.php;
     }

     location ~ \.php$ {
         fastcgi_pass   127.0.0.1:9000;
         fastcgi_index  index.php;
         include /etc/nginx/fastcgi_params;
     }
}

#3）软链接至sites-enabled文件夹
sudo ln -s /etc/nginx/sites-available/heaptech.com /etc/nginx/sites-enabled/

10、安装wordpress

cd /var/www/heaptech.com #虚拟主机根目录
sudo wget http://wordpress.org/latest.tar.gz
sudo tar -zxvf latest.tar.gz
sudo mv wordpress/* .
sudo chmod -R 755 wp-content/ #权限问题还有一点不是很明白，欢迎指教（怎样最安全？）
sudo cp wp-config-sample.php wp-config.php
sudo sed -i -e 's/database_name_here/数据库名称/' -e 's/username_here/数据库用户名/' -e 's/password_here/数据库密码/' -e 's/localhost/主机名称/' -e '$ i define(‘WP_POST_REVISIONS’, false);' wp-config.php #需将命令中的中文替换为对应值

11、Last but not least

sudo /etc/init.d/nginx restart
#至此，所有安装工作全部完成
#http://heaptech.com即为blog地址
#http://heaptech.com/phpmyadmin/为phpmyadmin

1、Chinese Word Count
WP后台日志发布页面中，Word Count貌似不支持中文，有了这个就不怕了～～

2、Some Chinese Please!
要求评论中必须有汉字，可以防止Spam机器人，因为主要是国外才有……

3、WP Greet Box
一个可以针对浏览来源设定不同欢迎信息的插件，可以推广网站而又不显得太突兀

4、Ozh’ Better Feed
可以在Feed中添加Footer，简单方便（不过我没有使用，还是觉得直接改主题代码更好一点，过些天再整理出来～）

5、OpenID
让你的Blog支持OpenID，不知道什么是OpenID？请猛击这里

其他的在之前已经推荐过，这里只列出名字，加上了本次推荐的，方便重装的时候参照～
（有删减，毕竟有的是会被淘汰的～）
（按照Plugin列表中的顺序）

Akismet
Chinese Word Count
Google XML Sitemaps
Mail To Commenter
OpenID
Ozh' Better Feed
Some Chinese Please!
Syntax Highlighter for WordPress
Twitter Tools
WordPress Database Backup
WordPress Related Posts
WP-Cumulus
WP-PageNavi
WP Greet Box

1、关闭Wordpress的修订功能
在根目录下的wp-config.php中，添加

define('WP_POST_REVISIONS',false);

2、Plugin

Akismet
WP-PageNavi
Google XML Sitemaps
WordPress Related Posts
Mail to Commenter
Twitter Tools
Syntax Highlighter for WordPress
bShare 分享
WordPress Database Backup
WP-Cumulus

3、Google analytics

<script type="text/javascript">
var gaJsHost = (("https:" == document.location.protocol) ? "https://ssl." : "http://www.");
document.write(unescape("%3Cscript src='" + gaJsHost + "google-analytics.com/ga.js' type='text/javascript'%3E%3C/script%3E"));
</script>
<script type="text/javascript">
try {
var pageTracker = _gat._getTracker("UA-11029434-5");
pageTracker._setDomainName(".huxuan.org");
pageTracker._trackPageview();
} catch(err) {}</script>

4、重定向

# BEGIN user-defined
<ifmodule mod_rewrite.c>
RewriteEngine On
RewriteBase /
RewriteCond %{HTTP_USER_AGENT} !^.*(FeedBurner|FeedValidator|feedsky) [NC]
RewriteCond %{REQUEST_URI} ^/feed.* [NC]
RewriteRule .* http://feeds.huxuan.org/ [NC,L,R=301]
</ifmodule>

贴一张旧主题的照片纪念一下，地点是GoogleCamp实验室，台式机+笔记本，显示的都是原来主题的效果，拍完了才发现还是挺有感觉的……（如果看不到，我就不多说了，如果有比flickr更好的提供外链图片的网站，尽快告诉我吧！）

In this way, we will have a permanent and unique rss url. As for me, it’s http://feeds.huxuan.org/huxuan

1)Sign up as the same name for your feed in FeedSky & FeedBurner.

e.g. I have
http://feed.feedsky.com/huxuan for FeedSky &
http://feeds.feedburner.com/huxuan for FeedBurner
(I just have it for example, Please don’t subscribe my blog through this two address)

2) Use the Domain Binding Service which Feedburner & Feedsky both provide to host the feed by your own domain name

You should choose only one of the two & Feedburner is recommended absolutely
You need to create a CNAME entry in the DNS records here
More information are provided by Feedburner & Feedsky when you configure the Domain Binding Service

3) Change the feed source you didn’t choose in step 2

e.g. I choose Feedburner to create the feed, so I change the feed source of Feedsky just into http://feeds.huxuan.org/huxuan.

4)Change the default rss url of wordpress

In the header.php of theme we use, similar code can be found like this:

<link rel="alternate" type="application/rss+xml" title="<?php bloginfo('name'); ?> RSS Feed" href="http://blog.huxuan.org/feed" />

Change the url with underline into the feed you have created.

5)Change all possible default feed url on the site

There may be many default feed url list on the site most presenting as a link of an image or some else.
Just search for it and change it!

Attention: Some Errors happen in Step 6. Ignore it now.

6)Redirect the default feed url to the new one just in case

Insert the code below to .htacess which located in the main directory

# redirect default feed url to the permanent one
Redirect /feed http://feeds.huxuan.org/huxuan

7)Now all steps is done, just share your unique & permanet feed url to your friends

if one of the two feed service providers don’t work, just change to the other one via repeating Step 2 & 3

P.S. If there’s any error or problem, please feel free to inform me of that.

标题中的关键词来自一位朋友的误用，不过仔细琢磨一下，觉得不无道理，便斗胆在此误人子弟一回了……