前言：为什么我们需要这个工具？
在做零点博客的内容迁移或者对接第三方接口时，经常会遇到EMLOG原生导出的数据结构不规范的问题。比如文章里的富文本标签是HTML代码，而我们需要的是纯文本或者JSON格式的结构化数据。很多时候，直接用PHP去处理老旧的数据库结构不如用C#直接连库来得快。
今天这篇实操教程，我就带大家用C#硬核撸一个数据清洗工具，不仅能把EMLOG的博文数据吐出来，还能顺便把SQL注入的问题给你们演示一遍，干货满满。
一、 环境准备与数据库连接
首先，确保你本地有MySQL数据库。EMLOG的表结构并不复杂，我们需要重点关注`emlog_log`表和`emlog_user`表。
在C#中，我们需要引入MySql.Data包。连接字符串是关键，切记不要把数据库密码明文写在代码里，也不要直接拼接SQL字符串。
string connString = "Server=localhost;Database=emlog_db;User=root;Password=your_password;CharSet=utf8mb4;";
string sql = "SELECT lid, title, content, author, date FROM emlog_log WHERE istop=0 ORDER BY date DESC";
这里我们只做演示，直接写在了变量里。注意，SQL注入防护在增删改查中尤为重要，但在我们的纯查询场景下，直接执行查询命令相对安全，但为了体现开发规范，我们依然要注意参数化查询。
二、 结合正则表达式清洗数据
EMLOG生成的内容通常包含很多HTML标签和特殊的短标签，比如正文里的``或者图片标签。这肯定不是我们想要的接口格式。
这时候，正则表达式就是我们的好帮手。我们需要写一个函数来把这些垃圾代码干掉，只保留纯文本。
// 示例：移除所有HTML标签和短标签，仅保留纯文本
Regex rx = new Regex(@<script[^>]*?>.*?</script>|<[^>]+>, RegexOptions.IgnoreCase);
string cleanContent = rx.Replace(rawContent, string.Empty);
这块代码在实际开发中非常常见，很多新手写爬虫或者解析工具时，往往忽略这一步，导致导出的数据全是乱码HTML，没法用。
三、 构建实体类与JSON生成
数据清洗完成后，我们需要把它封装成一个对象，然后序列化为JSON。为了方便后续的接口开发，我们定义一个`BlogPost`类。
public class BlogPost
{
public int Id { get; set; }
public string Title { get; set; }
public string Content { get; set; }
public DateTime Date { get; set; }
}
在循环读取数据库时，把每条记录映射到这个类，最后利用`Newtonsoft.Json`或者.NET自带的`System.Text.Json`进行序列化。
四、 底层避坑指南与XML备份
有时候JSON数据太大传输有问题，或者某些老旧系统只认XML，这时候我们需要把数据转换成XML格式。写XML其实和写JSON类似，都是操作字符串拼接，但要注意转义字符。
这里有一个容易忽略的坑：日期格式。如果你的`Date`字段是`DateTime`类型，直接存入XML会变成`2023/10/27 10:00:00`，这在某些**在线工具开发**中可能会引起解析错误。建议在序列化前强制转成`yyyy-MM-dd`格式。
五、 实操演示：完整流程代码
下面是直接可落地的核心逻辑代码。你可以直接复制到一个C#控制台项目中跑。
using System;
using System.Collections.Generic;
using System.Data.SqlClient; // 假设已迁移到SQL Server做演示，逻辑类似
using System.Text;
using System.Text.RegularExpressions;
using System.Xml;
class Program
{
static void Main(string[] args)
{
string connStr = "Server=...;Database=...;User Id=...;Password=...;";
// 1. 连接数据库
using (SqlConnection conn = new SqlConnection(connStr))
{
conn.Open();
string sql = "SELECT id, title, content FROM articles WHERE status=1";
// 2. 使用预处理语句防止注入
using (SqlCommand cmd = new SqlCommand(sql, conn))
{
using (SqlDataReader reader = cmd.ExecuteReader())
{
List<Dictionary<string, string>> list = new List<Dictionary<string, string>>();
while (reader.Read())
{
// 3. 正则清洗HTML标签
string content = Regex.Replace(reader["content"].ToString(), @<script[^>]*?>.*?</script>|<[^>]+>, string.Empty);
var item = new Dictionary<string, string>
{
{ "id", reader["id"].ToString() },
{ "title", reader["title"].ToString() },
{ "content", content }
};
list.Add(item);
}
// 4. 输出JSON或XML
Console.WriteLine(JsonConvert.SerializeObject(list, Formatting.Indented));
}
}
}
}
}
这段代码涵盖了爬虫开发的基础思路：连接 -> 清洗 -> 存储/解析。无论你是想做一个自动发帖的工具，还是做数据备份，都非常适用。
总结
作为一个深研技术的博主，我建议大家多动手写代码。很多人看懂了原理，一上手写代码全是坑。这篇文章的实操教程没有废话，重点在于展示了如何用C#结合正则表达式解决EMLOG数据清洗问题，并给出了标准的SQL注入防护写法。
如果你觉得有用，欢迎收藏零点博客，后续我会分享更多关于HTML/CSS/JS前端与后端交互的干货！
评论一下吧
取消回复