如何匯入Facebook專頁貼文至WordPress (2021)
使用Python抓取Fb專頁Posts的實踐應用例子
本文於2021年7月20日已就 facebook-scraper v0.2.45 更新內容。
最近在為一個慈善團體的客戶重建網站，需要把該組織的 Facebook Page 內容轉貼變成網站的文章。專頁上有多達超過 100 個 posts，使用 Copy & Paste 來人手複製貼上固然可以，但是將會是一份苦悶的工作。而且客戶期望轉到網站文章與 Facebook 貼文的標示相同的發佈日期，使得在手動操作上工序多，容易犯上人為錯誤。於是計劃通過編程一個簡單的自動化程式，去抓取 Facebook Page 上的帖文 Data，並格式化 (format) 成為可匯入 (importable) 網站系統的數據檔案。
理想的方案是透過利用 Facebook Graph API 去讀取專業上的資料，但客戶並不善長 IT，若要取得 Fb 專頁的 API 權限，又不能不費一番功夫。於是在此條件的折衷之下，選擇了不使用 API 的方法去處理。於是在 GitHub 上找到了 kevinzg/facebook-scraper 這個 Python Package，可以不用 API Key 來抓取 Facebook Page。我把編好了的 Python 腳本上載了到 Repl.it(@chriskyfung)，名為 FbPage2WordPressXMLImport，你可以在這個雲端編碼平台上執行測試 (test run)。
套件依存 Package Dependency
打開 requirement.txt，你會看到
facebook-scraper只需要這一個 package，Repl.it 在執行腳會時會自動下載並安裝其他的 Dependencies。
腳本說明
main.py 是主腳本程式檔。首先通過以下兩行程式導入所需的套件，
from datetime import datetime
from facebook_scraper import get_posts
import urllibget_posts 是用來取得 Facebook 帖文的 function，而 urllib 將用於轉換字串成 URL。
設定變數
接著，指定需要抓取的 Facebook Page ID、抓取的頁數，以及匯出文章的標題字數及分類。以下使用了 Medium 的 Facebook 專頁為例子，
FBPAGE_ID = 'medium' # 目標的Fb專頁名稱
NUMOFPAGES = 1 # 要抓取的Fb頁數EXPORTFILE = '{}-fb-page-export.xml'.format(FBPAGE_ID) # 輸出檔名TITLELEN = 16 # 抽取為文章標題的字數
CATEGORY = 'Imported from Fb Page' # WP中的分類名稱
CATEGORY_SLUG = urllib.parse.quote_plus(CATEGORY) # 分類的slugCOOKIES = '.cookies.json' # JSON 格式 Cookie 文件的路徑
facebook-scraper v0.2.45 或以上需要使用者從 Facebook 導入瀏覽器工作階段的 Cookie，才能夠獲取登入狀態進行爬蟲。
在登錄 Facebook 後，您可以使用 EditThisCookie (Chrome) 或 Cookie Quick Manager (Firefox) 等擴充套件從瀏覽器中提取 Cookie。
寫入XML標頭
<?xml version="1.0" encoding="UTF-8" ?>
<rss version="2.0"
xmlns:excerpt="http://wordpress.org/export/1.2/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/1.2/">
<channel>
<wp:wxr_version>1.2</wp:wxr_version>以上的<xml>、<rss>以<channel>標頭，必需包含在 WordPress 的 XML 匯入檔案，否則 XML 資料將不能被讀取進 WordPress 成為文章。
處理Fb專頁帖子資料並寫入成XML格式
這裡使用了 For-loop 逐一處理由 get_posts() 回傳 Facebook 貼文的資料，把post_id、text、image、time，以及 post_url 格式化並寫入檔案。分別被轉換成以下 WordPress 文章的屬性：
- 文章標題 <title> — 由於 Facebook 帖子本身並沒有標題項目，因此摘取內文的開首部份代替。若內文長度超過上文提述的 TITLELEN，將會在被裁剪的字串之後加上省略號(...)。
- 文章內容 <content:encoded> — 這裡需要使用 CDATA[] 來包裝 get_posts 所取得的文字。
- 文章的slug <wp:post_name> — 為了方便追溯原來的 Facebook 貼文，我選擇了以 get_posts 所取得的 post_id。
- 文章日期 <wp:post_date_gmt> — 因為 get_posts() 所取得是依 GMT 標準時間，利用這個 wp 屬性在匯入 WordPress 的時候就會依系統時區，正確地自動計算出要顯示的日期時間。
- <!-- orig_fb_post_url …--> — 透過 XML 注釋保留 Facebook 貼文的 URL 在輸出文件之內，但不會被匯入 WordPress。
至於圖片，WordPress的 匯入文件格式有些怪誕，特式圖片(Featured Image)是填 SQL 內儲存的媒體 ID。我暫時未找到合適的屬性來填入媒體的 URL，所以透過 HTML tag 把 get_posts() 所取得的 image 插入到文章內容代替。每一篇貼文將被輸出至格式：
<item>
<title>text的首N個字...</title>
<content:encoded>
<![CDATA[<p><img src="image url"></p><p>text</p>]]>
</content:encoded>
<wp:post_name>post_id</wp:post_name>
<wp:post_date_gmt><![CDATA[time]]></wp:post_date_gmt>
<wp:status><![CDATA[draft]]></wp:status>
<wp:comment_status><![CDATA[open]]></wp:comment_status>
<wp:post_type><![CDATA[post]]></wp:post_type>
<category domain="category" nicename="CATEGORY_SLUG">
<![CDATA[CATEGORY]]></category>
<!-- orig_fb_post_url="post_url" -->
</item>在這裡再補充 wp:status 屬性，用以把 <item> 匯入成為「草稿」狀態，以及 category屬性將文章歸納到自訂義的 WP 分類之下，方便再修訂文章及審核之後才正式公開發佈至網站上。
寫入XML結尾
</channel>
</rss>配合 XML 的標頭，在文件結尾寫入以上編號。運行 Python 腳本之後，就可以把產生的 XML 文件儲存到你的電腦上，然後使用 WordPress 的匯入工具測試一下是否成功添加文章。
此程式的局限性
- 無法直接上載圖片至 WordPress。
- facebook-scraper 並不能指定要抓取日期範圍，它只能從專頁由最新貼文開始逐頁向下捲動抓取舊的貼文。若在中途發生錯誤，則無法抓取到更之前的貼文。
最新版本原始碼：
生成的可匯入 WordPress 檔案 (樣本)：
雖然還有不少技術上的問題，但希望幫到你解決同類的項目，能自動化減輕你的工作量。至於如何編程批次下載程式，自動抓取 Facebok 中的圖片，請延伸閱讀以下文章：
如果您喜歡這篇文章，請為此文章 👏 👏 👏 👏 👏 👏 👏，並分享至你的 Facebook 及 Twitter。
假如您有任何疑問或建議，歡迎標註留言或透過 Facebook 專頁 聯繫我 🙂
