ljdump.py

   1 #!/usr/bin/python
   2 #
   3 # ljdump.py - livejournal archiver
   4 # Greg Hewgill <greg@hewgill.com> http://hewgill.com
   5 # Version 1.3.1
   6 #
   7 # $Id$
   8 #
   9 # This program reads the journal entries from a livejournal (or compatible)
  10 # blog site and archives them in a subdirectory named after the journal name.
  11 #
  12 # The configuration is read from "ljdump.config". A sample configuration is
  13 # provided in "ljdump.config.sample", which should be copied and then edited.
  14 # The configuration settings are:
  15 #
  16 #   server - The XMLRPC server URL. This should only need to be changed
  17 #            if you are dumping a journal that is livejournal-compatible
  18 #            but is not livejournal itself.
  19 #
  20 #   username - The livejournal user name. A subdirectory will be created
  21 #              with this same name to store the journal entries.
  22 #
  23 #   password - The account password. This password is never sent in the
  24 #              clear; the livejournal "challenge" password mechanism is used.
  25 #
  26 # This program may be run as often as needed to bring the backup copy up
  27 # to date. Both new and updated items are downloaded.
  28 #
  29 # The community http://ljdump.livejournal.com has been set up for questions
  30 # or comments.
  31 #
  32 # LICENSE
  33 #
  34 # This software is provided 'as-is', without any express or implied
  35 # warranty.  In no event will the author be held liable for any damages
  36 # arising from the use of this software.
  37 #
  38 # Permission is granted to anyone to use this software for any purpose,
  39 # including commercial applications, and to alter it and redistribute it
  40 # freely, subject to the following restrictions:
  41 #
  42 # 1. The origin of this software must not be misrepresented; you must not
  43 #    claim that you wrote the original software. If you use this software
  44 #    in a product, an acknowledgment in the product documentation would be
  45 #    appreciated but is not required.
  46 # 2. Altered source versions must be plainly marked as such, and must not be
  47 #    misrepresented as being the original software.
  48 # 3. This notice may not be removed or altered from any source distribution.
  49 #
  50 # Copyright (c) 2005-2009 Greg Hewgill
  51
  52 import codecs, md5, os, pickle, pprint, re, shutil, sys, urllib2, xml.dom.minidom, xmlrpclib
  53 from xml.sax import saxutils
  54
  55 MimeExtensions = {
  56     "image/gif": ".gif",
  57     "image/jpeg": ".jpg",
  58     "image/png": ".png",
  59 }
  60
  61 def calcchallenge(challenge, password):
  62     return md5.new(challenge+md5.new(password).hexdigest()).hexdigest()
  63
  64 def flatresponse(response):
  65     r = {}
  66     while True:
  67         name = response.readline()
  68         if len(name) == 0:
  69             break
  70         if name[-1] == '\n':
  71             name = name[:len(name)-1]
  72         value = response.readline()
  73         if value[-1] == '\n':
  74             value = value[:len(value)-1]
  75         r[name] = value
  76     return r
  77
  78 def getljsession(username, password):
  79     r = urllib2.urlopen(Server+"/interface/flat", "mode=getchallenge")
  80     response = flatresponse(r)
  81     r.close()
  82     r = urllib2.urlopen(Server+"/interface/flat", "mode=sessiongenerate&user=%s&auth_method=challenge&auth_challenge=%s&auth_response=%s" % (username, response['challenge'], calcchallenge(response['challenge'], password)))
  83     response = flatresponse(r)
  84     r.close()
  85     return response['ljsession']
  86
  87 def dochallenge(params, password):
  88     challenge = server.LJ.XMLRPC.getchallenge()
  89     params.update({
  90         'auth_method': "challenge",
  91         'auth_challenge': challenge['challenge'],
  92         'auth_response': calcchallenge(challenge['challenge'], password)
  93     })
  94     return params
  95
  96 def dumpelement(f, name, e):
  97     f.write("<%s>\n" % name)
  98     for k in e.keys():
  99         if isinstance(e[k], {}.__class__):
 100             dumpelement(f, k, e[k])
 101         else:
 102             s = unicode(str(e[k]), "UTF-8")
 103             f.write("<%s>%s</%s>\n" % (k, saxutils.escape(s), k))
 104     f.write("</%s>\n" % name)
 105
 106 def writedump(fn, event):
 107     f = codecs.open(fn, "w", "UTF-8")
 108     f.write("""<?xml version="1.0"?>\n""")
 109     dumpelement(f, "event", event)
 110     f.close()
 111
 112 def writelast():
 113     f = open("%s/.last" % Username, "w")
 114     f.write("%s\n" % lastsync)
 115     f.write("%s\n" % lastmaxid)
 116     f.close()
 117
 118 def createxml(doc, name, map):
 119     e = doc.createElement(name)
 120     for k in map.keys():
 121         me = doc.createElement(k)
 122         me.appendChild(doc.createTextNode(map[k]))
 123         e.appendChild(me)
 124     return e
 125
 126 def gettext(e):
 127     if len(e) == 0:
 128         return ""
 129     return e[0].firstChild.nodeValue
 130
 131 config = xml.dom.minidom.parse("ljdump.config")
 132 Server = config.documentElement.getElementsByTagName("server")[0].childNodes[0].data
 133 Username = config.documentElement.getElementsByTagName("username")[0].childNodes[0].data
 134 Password = config.documentElement.getElementsByTagName("password")[0].childNodes[0].data
 135
 136 m = re.search("(.*)/interface/xmlrpc", Server)
 137 if m:
 138     Server = m.group(1)
 139
 140 print "Fetching journal entries for: %s" % Username
 141 try:
 142     os.mkdir(Username)
 143     print "Created subdirectory: %s" % Username
 144 except:
 145     pass
 146
 147 ljsession = getljsession(Username, Password)
 148
 149 server = xmlrpclib.ServerProxy(Server+"/interface/xmlrpc")
 150
 151 newentries = 0
 152 newcomments = 0
 153 errors = 0
 154
 155 lastsync = ""
 156 lastmaxid = 0
 157 try:
 158     f = open("%s/.last" % Username, "r")
 159     lastsync = f.readline()
 160     if lastsync[-1] == '\n':
 161         lastsync = lastsync[:len(lastsync)-1]
 162     lastmaxid = f.readline()
 163     if len(lastmaxid) > 0 and lastmaxid[-1] == '\n':
 164         lastmaxid = lastmaxid[:len(lastmaxid)-1]
 165     if lastmaxid == "":
 166         lastmaxid = 0
 167     else:
 168         lastmaxid = int(lastmaxid)
 169     f.close()
 170 except:
 171     pass
 172 origlastsync = lastsync
 173
 174 r = server.LJ.XMLRPC.login(dochallenge({
 175     'username': Username,
 176     'ver': 1,
 177     'getpickws': 1,
 178     'getpickwurls': 1,
 179 }, Password))
 180 userpics = dict(zip(map(str, r['pickws']), r['pickwurls']))
 181 userpics['*'] = r['defaultpicurl']
 182
 183 while True:
 184     r = server.LJ.XMLRPC.syncitems(dochallenge({
 185         'username': Username,
 186         'ver': 1,
 187         'lastsync': lastsync,
 188     }, Password))
 189     #pprint.pprint(r)
 190     if len(r['syncitems']) == 0:
 191         break
 192     for item in r['syncitems']:
 193         if item['item'][0] == 'L':
 194             print "Fetching journal entry %s (%s)" % (item['item'], item['action'])
 195             try:
 196                 e = server.LJ.XMLRPC.getevents(dochallenge({
 197                     'username': Username,
 198                     'ver': 1,
 199                     'selecttype': "one",
 200                     'itemid': item['item'][2:],
 201                 }, Password))
 202                 if e['events']:
 203                     writedump("%s/%s" % (Username, item['item']), e['events'][0])
 204                     newentries += 1
 205                 else:
 206                     print "Unexpected empty item: %s" % item['item']
 207                     errors += 1
 208             except xmlrpclib.Fault, x:
 209                 print "Error getting item: %s" % item['item']
 210                 pprint.pprint(x)
 211                 errors += 1
 212         lastsync = item['time']
 213         writelast()
 214
 215 # The following code doesn't work because the server rejects our repeated calls.
 216 # http://www.livejournal.com/doc/server/ljp.csp.xml-rpc.getevents.html
 217 # contains the statement "You should use the syncitems selecttype in
 218 # conjuntions [sic] with the syncitems protocol mode", but provides
 219 # no other explanation about how these two function calls should
 220 # interact. Therefore we just do the above slow one-at-a-time method.
 221
 222 #while True:
 223 #    r = server.LJ.XMLRPC.getevents(dochallenge({
 224 #        'username': Username,
 225 #        'ver': 1,
 226 #        'selecttype': "syncitems",
 227 #        'lastsync': lastsync,
 228 #    }, Password))
 229 #    pprint.pprint(r)
 230 #    if len(r['events']) == 0:
 231 #        break
 232 #    for item in r['events']:
 233 #        writedump("%s/L-%d" % (Username, item['itemid']), item)
 234 #        newentries += 1
 235 #        lastsync = item['eventtime']
 236
 237 print "Fetching journal comments for: %s" % Username
 238
 239 try:
 240     f = open("%s/comment.meta" % Username)
 241     metacache = pickle.load(f)
 242     f.close()
 243 except:
 244     metacache = {}
 245
 246 try:
 247     f = open("%s/user.map" % Username)
 248     usermap = pickle.load(f)
 249     f.close()
 250 except:
 251     usermap = {}
 252
 253 maxid = lastmaxid
 254 while True:
 255     r = urllib2.urlopen(urllib2.Request(Server+"/export_comments.bml?get=comment_meta&startid=%d" % (maxid+1), headers = {'Cookie': "ljsession="+ljsession}))
 256     meta = xml.dom.minidom.parse(r)
 257     r.close()
 258     for c in meta.getElementsByTagName("comment"):
 259         id = int(c.getAttribute("id"))
 260         metacache[id] = {
 261             'posterid': c.getAttribute("posterid"),
 262             'state': c.getAttribute("state"),
 263         }
 264         if id > maxid:
 265             maxid = id
 266     for u in meta.getElementsByTagName("usermap"):
 267         usermap[u.getAttribute("id")] = u.getAttribute("user")
 268     if maxid >= int(meta.getElementsByTagName("maxid")[0].firstChild.nodeValue):
 269         break
 270
 271 f = open("%s/comment.meta" % Username, "w")
 272 pickle.dump(metacache, f)
 273 f.close()
 274
 275 f = open("%s/user.map" % Username, "w")
 276 pickle.dump(usermap, f)
 277 f.close()
 278
 279 print "Fetching userpics for: %s" % Username
 280 f = open("%s/userpics.xml" % Username, "w")
 281 print >>f, """<?xml version="1.0"?>"""
 282 print >>f, "<userpics>"
 283 for p in userpics:
 284     print >>f, """<userpic keyword="%s" url="%s" />""" % (p, userpics[p])
 285     pic = urllib2.urlopen(userpics[p])
 286     ext = MimeExtensions.get(pic.info()["Content-Type"], "")
 287     picf = open("%s/%s%s" % (Username, codecs.utf_8_decode(p)[0], ext), "wb")
 288     shutil.copyfileobj(pic, picf)
 289     pic.close()
 290     picf.close()
 291 print >>f, "</userpics>"
 292 f.close()
 293
 294 newmaxid = maxid
 295 maxid = lastmaxid
 296 while True:
 297     r = urllib2.urlopen(urllib2.Request(Server+"/export_comments.bml?get=comment_body&startid=%d" % (maxid+1), headers = {'Cookie': "ljsession="+ljsession}))
 298     meta = xml.dom.minidom.parse(r)
 299     r.close()
 300     for c in meta.getElementsByTagName("comment"):
 301         id = int(c.getAttribute("id"))
 302         jitemid = c.getAttribute("jitemid")
 303         comment = {
 304             'id': str(id),
 305             'parentid': c.getAttribute("parentid"),
 306             'subject': gettext(c.getElementsByTagName("subject")),
 307             'date': gettext(c.getElementsByTagName("date")),
 308             'body': gettext(c.getElementsByTagName("body")),
 309             'state': metacache[id]['state'],
 310         }
 311         if usermap.has_key(c.getAttribute("posterid")):
 312             comment["user"] = usermap[c.getAttribute("posterid")]
 313         try:
 314             entry = xml.dom.minidom.parse("%s/C-%s" % (Username, jitemid))
 315         except:
 316             entry = xml.dom.minidom.getDOMImplementation().createDocument(None, "comments", None)
 317         found = False
 318         for d in entry.getElementsByTagName("comment"):
 319             if int(d.getElementsByTagName("id")[0].firstChild.nodeValue) == id:
 320                 found = True
 321                 break
 322         if found:
 323             print "Warning: downloaded duplicate comment id %d in jitemid %s" % (id, jitemid)
 324         else:
 325             entry.documentElement.appendChild(createxml(entry, "comment", comment))
 326             f = codecs.open("%s/C-%s" % (Username, jitemid), "w", "UTF-8")
 327             entry.writexml(f)
 328             f.close()
 329             newcomments += 1
 330         if id > maxid:
 331             maxid = id
 332     if maxid >= newmaxid:
 333         break
 334
 335 lastmaxid = maxid
 336
 337 writelast()
 338
 339 if origlastsync:
 340     print "%d new entries, %d new comments (since %s)" % (newentries, newcomments, origlastsync)
 341 else:
 342     print "%d new entries, %d new comments" % (newentries, newcomments)
 343 if errors > 0:
 344     print "%d errors" % errors