ブログの過去記事を Google ドライブに一括アップロードする方法

import xml.etree.ElementTree as ET
import os
import re
from docx import Document

# --- 設定 ---
xml_file_path = '過去記事 ～20251227.xml'  # WordPressからエクスポートしたXMLのパス
output_dir = 'G:/マイドライブ/00_Inbox'  # Google Drive同期フォルダのパス
# ------------

def sanitize_filename(filename):
    """ファイル名として使えない文字（\ / : * ? " < > |）を置換"""
    if not filename:
        return "untitled"
    return re.sub(r'[\\/:*?"<>|]', '_', filename).strip()

def clean_html(raw_html):
    """簡単なHTMLタグの除去と整形"""
    # <p>, <br> タグを改行に変換
    cleantext = re.sub(r'<(p|br\s*/?)>', '\n', raw_html)
    # その他のタグを除去
    cleantext = re.sub(r'<[^>]*>', '', cleantext)
    # 連続する改行を整理
    cleantext = re.sub(r'\n\s*\n', '\n\n', cleantext)
    return cleantext.strip()

def convert_wp_xml_to_docx():
    # 出力フォルダの確認
    if not os.path.exists(output_dir):
        try:
            os.makedirs(output_dir)
            print(f"フォルダを作成しました: {output_dir}")
        except Exception as e:
            print(f"出力フォルダの作成に失敗しました: {e}")
            return

    # XMLの解析
    try:
        tree = ET.parse(xml_file_path)
    except FileNotFoundError:
        print(f"XMLファイルが見つかりません: {xml_file_path}")
        return
    except Exception as e:
        print(f"XMLの読み込みに失敗しました: {e}")
        return

    root = tree.getroot()
    
    # WordPressコンテンツ用の名前空間
    ns = {'content': 'http://purl.org/rss/1.0/modules/content/'}

    # 記事（item）をすべて取得
    items = root.findall('.//item')
    print(f"合計 {len(items)} 件の記事を処理します...")

    success_count = 0
    skip_count = 0

    for i, item in enumerate(items):
        try:
            title_element = item.find('title')
            title = title_element.text if title_element is not None else f"No_Title_{i}"
            
            content_element = item.find('content:encoded', ns)
            content_raw = content_element.text if content_element is not None else ""

            # コンテンツのクリーンアップ
            clean_content = clean_html(content_raw)

            # Wordドキュメントの作成
            doc = Document()
            doc.add_heading(title, 0) # タイトルを大見出しとして追加
            doc.add_paragraph(clean_content)

            # ファイル名の設定と保存
            safe_title = sanitize_filename(title)
            file_path = os.path.join(output_dir, f"{safe_title}.docx")

            try:
                doc.save(file_path)
                success_count += 1
                if success_count % 10 == 0:
                    print(f"{success_count} 件完了: {safe_title}")
            except Exception as e:
                print(f"[スキップ] 保存失敗 ({title}): {e}")
                skip_count += 1
        except Exception as e:
            print(f"[スキップ] 記事の処理に失敗 (インデックス {i}): {e}")
            skip_count += 1

    print(f"\n処理完了！")
    print(f"成功: {success_count} 件、スキップ: {skip_count} 件、合計: {len(items)} 件")
    print(f"保存先: {output_dir}")

if __name__ == "__main__":
    convert_wp_xml_to_docx()