我是怎么一天之内将接近八千条图文笔记从印象笔记迁移思源的

前期研究和思路

我也是一个重度的印象笔记使用者，我的印象笔记中有接近八千多条条图文笔记，所以尽管我一直有迁移到私有存储的打算，但是考虑如此庞大的迁移工作量，我一直没有动手。

直到最近有点空闲时间，又刚好看到 V2EX 论坛上有人在讨论笔记工具的话题，我尝试试了几个，最终选择了思源笔记，对我来讲因为主要有如下几个加分项

• 完全开源，可以在 NAS 上私有化部署，此生以后再也不担心数据丢失的问题。
• 我之前用免费版的 notion 做工作和学习调度，用印象笔记做学习和工作记录，常面临两者内容难以互相链接的问题，我发现思源笔记可以满足这一点。而且通过实践也的确如此，我现在已经将印象笔记和 notion 的内容都转移到思源笔记后，我发现使用思源融合二者完成是个正确的决定！
• 兼容了我很多原先在 notion 和印象笔记中的使用习惯，我基本没有陡峭的学习曲线。唯一让我遗憾的是，思源的数据库没有 notion 的多个视图功能，我不得不做了些妥协。

说了那么多废话主要是感谢思源的开发者，当然我也已经用支付行动实际感谢了他们，希望他们继续完善这个产品。

话归正题，我是怎么迁移如此庞大的图文笔记的呢？我首先研究了一下以往的帖子，大部分借助其它笔记工具做转换，比如 wolai 什么的，其主要思路都是先将印象笔记转为 html，然后再由其它工具将 html 转为 markdown，再导入到思源笔记。我也尝试了一下这些工具，但是转换后笔记中都丢了图片，而我大量的笔记都是图文并茂的，所以不能接受。

所以我想，既然只有这个思路，干脆自己写一个 python 脚本做从 html 到 markdown 的转换，并修正图片文件的链接等问题，按照这个思路没想到异常顺利，在 chatGPT 的帮助下很快完工，而且转换效果不错，想到可能不少人都有同样的问题，所以共享给大家。

准备工作

1. 安装 python，我使用的是 Python 3.12.5

2. 安装 markdownify 库

   pip install markdownify

3. 编辑一个新文件，比如叫 convert.py，copy 如下内容到文件中

   from markdownify import markdownify as md
   import os
   import re
   
   
   def convertHtmlfile2Markdownfile(input_filename):
       image_dir = input_filename.replace('.html', '_files/')  # 生成对应的目录名
   
       # 读取 HTML 文件
       with open(input_filename, 'r', encoding='utf-8') as f:
           html_content = f.read()
   
       # 转换为 Markdown
       markdown_content = md(html_content)
   
       # 替换图片路径，确保它们指向正确的目录并替换文件名中的方括号
       def replace_image_paths(markdown):
           return re.sub(r'src="([^"]*?)\s*\[(\d+)\]\s*"', lambda m: f'src="{image_dir}{m.group(1).strip()}-{m.group(2)}"', markdown)
   
       # 替换图片名称中的方括号
       def replace_bracketed_names(markdown):
           return re.sub(r'(\w+)\s*\[(\d+)\]', r'\1-\2', markdown)
   
       # 先替换文件名中的方括号
       markdown_content = replace_bracketed_names(markdown_content)
   
       # 然后替换图片路径
       markdown_content = replace_image_paths(markdown_content)
   
       # 替换图片路径和名称中的方括号   
       def rename_image_files_and_replace_markdown(directory, markdown):
           if not os.path.exists(directory):
               print(f"目录 '{directory}' 不存在，跳过重命名和替换操作。")
               return markdown
   
           rename_map = {}
   
           for filename in os.listdir(directory):
               match = re.match(r'(.+?)\s*\[(\d+)\](\..+)$', filename)
               if match:
                   new_name = f"{match.group(1).strip()}-{match.group(2)}{match.group(3)}"
                   os.rename(os.path.join(directory, filename), os.path.join(directory, new_name))
                   rename_map[filename] = new_name
   
           for old_name, new_name in rename_map.items():
               markdown = markdown.replace(old_name, new_name)
   
           return markdown
   
   
       # 修改目录中的图片文件名称并更新 Markdown 内容
       markdown_content = rename_image_files_and_replace_markdown(image_dir, markdown_content)
   
       # 设置输出文件名
       output_filename = input_filename.replace('.html', '.md')
   
       # 保存为 Markdown 文件
       with open(output_filename, 'w', encoding='utf-8') as f:
           f.write(markdown_content)
   
   
   def process_directory(directory_path):
       for filename in os.listdir(directory_path):
           if filename.endswith(".html") and "_index" not in filename:
               input_filename = os.path.join(directory_path, filename)
               convertHtmlfile2Markdownfile(input_filename)
   
   directory_path = "C:\\Users\\kursk\\Download\\notetest\\硬件"
   # 调用函数，传入路径名称
   process_directory(directory_path)
   
   
   

注意代码中的这一行

directory_path = "C:\\Users\\kursk\\Download\\notetest\\硬件"

要修改为印象笔记的导出目录，而且 windows 用"\\"表示目录分隔符。

执行步骤

• 将印象笔记导出，可以按笔记本导出，我最多一次导出了几千条，注意选择"导出为多个网页文件"

  

• 打开 convert.py 文件所在的目录，点右键选择终端，并执行 python convert.py 命令。注意上面我提到到，代码中的目录 directory_path = "C:\\Users\\kursk\\Download\\notetest\\硬件" 要修改为印象笔记的导出目录(也就是第一步中的导出目录)，而且 windows 用"\\"表示目录分隔符。

  执行 python 命令后，可能会提示**目录不存在，这是因为这条笔记没有图片或者对应的目录，只有一个 html 文件，是正常现象。

• 等待命令执行完，会发现目录中多了很多 markdown 文件，每个 html 文件都会产生一个对应的 markdown 文件，注意不能移动 markdown 文件或者保持图片文件的子目录，此时不需要再移动任何文件或目录。直接打开思源笔记，在需要导入的的思源笔记本选择"导入"-"markdown 文件夹"，再选择第一步的导出目录，等待思源笔记完成导入即可。

  恭喜你迁移工作完成！几个小提示：

• 我一次完成过七条多条笔记的转换，我笔记本的配置也不高。

• 我发现需要在思源笔记的根目录创建一个笔记本，才能选择这个笔记本进行导入，而且导入后会将文件夹名作为这个笔记本下级的一个子文件名，为了避免事后再修改子文件名(因为改名会导致思源重建索引，导致性能浪费，而且如果你此时又在大量导入，可能导致锁死数据库，我就遇到过)，你导入时就可以在操作系统中创建对应的文件夹名，然后把所有的文件(注意包括 markdown 和 html 对应的目录)都要 copy 到这个文件夹下面。

作为思源新用户的问题

最后，作为一个思源的新用户，我还有一个问题请教大家

我使用笔记工具的一个习惯是先抓取微信或者网页的内容，然后对其内容添加自己的研究内容。

使用思源后，网页可以抓取，但是微信我发现必须购买思源每年的订阅才可以。但是仅仅为此一个功能每年花一百多我觉得太不划算了。

有没有其它的办法，包括做二次开发，比如开发思源的微信爬取接口，可以实现对微信的内容抓取到自己收集箱中？如果有思路或者有类似经验的同学也请提示我一下，谢谢