前言

因为我的waline评论系统选了Leancloud数据库，最早是用的国内版，速度还行，后来变更通知不再为国内用户服务，需要备案才能使用，听到这通知我傻眼了！现在真是不走备案不让用了啊！它后来出了国际版，我就去用国际版了，就是速度非常慢——但也勉强还能用……后来我去琢磨了Mongodb，完全看不懂啊～～好复杂的样子，可能是我太笨了这几天也看了Mongodb教程，也还是一头雾水，就是最后的多IP地址总是搞不明白，于是乎又放弃了……
后来想到我的博友小波他是换了Deta Base做数据库了，我也是试试吧！万一这次成功了呢！
于是开始动手啦～

备份评论数据

首先要提前备份评论数据！Leancloud和waline后台的数据都要导出来，防止后续导入会出错噢。这是必要流程！

Leancloud导出要点你的评论应用，点击“数据存储”——“导入导出”，然后在右边选择“数据导出”页面，在下方勾选限定Class,确认是否勾上全选，最后可以导出啦！
文件会发到你的邮箱，文件是比较长的一串数字，记得改个名加个日期以防混乱，比如“Leancloud评论导出 2024-01-01”这样的名称。

waline后台是你部署平台的后台，在后面地址输入/ui就能进入管理后台了。例如：

https://waline.com/ui

在左上角点击“管理”——“导出导出”

然后点击“导出”，稍等一会儿，浏览器就会出现文件下载了。

如果导出没反应，就多点几次，浏览器就会出现下载文件的。

json数据拆分

从后台导出的json文件较大，比如我评论系统有1000多数据文件就有1.1M，如此大的文件在后续导入过程中会出现导入错误的情况，这时候我们需要分批导入，也就是把数据拆分出来！分批导入就不会有问题了！由于我不会写Python代码，于是我去向chatGPT请教了下，它帮我写出了拆分代码，我也放出来给大家参考，我是waline评论系统，你们要根据自己的评论系统情况更改。如果你的数据量较少，100条左右的话就不用拆分了，直接导入即可。
把下面代码复制到文本编辑器，另存为waline_chunk.py文件，其中input_file和chunk_size请自己修改。

# 将waline评论数据json文件拆分，按每100块数据拆分成多个小文件
# 将会拆分"Comment", "Users", "Counter"三个表，请自己看情况更改。

import json
import os  # 添加os模块用于处理路径

def split_data(input_file, output_path, output_prefix, chunk_size, table_name):
    # 读取JSON文件
    with open(input_file, 'r', encoding='utf-8') as f:
        data = json.load(f)

    # 获取指定表的数据
    table_data = data["data"].get(table_name, [])

    # 计算总行数和拆分块数
    total_rows = len(table_data)
    num_chunks = total_rows // chunk_size

    # 遍历拆分块
    for i in range(num_chunks + 1):
        start_index = i * chunk_size
        end_index = min((i + 1) * chunk_size, total_rows)

        # 构建输出文件名
        output_file = os.path.join(output_path, f"{output_prefix}_{table_name}_{start_index + 1}_{end_index}.json")

        # 打开输出文件并写入拆分后的数据
        with open(output_file, 'w', encoding='utf-8') as f_out:
            chunk_data = {
                "__version": data["__version"],
                "type": data["type"],
                "version": data["version"],
                "time": data["time"],
                "tables": data["tables"],
                "data": {
                    table_name: table_data[start_index:end_index]
                }
            }
            json.dump(chunk_data, f_out, indent=2, ensure_ascii=False)

if __name__ == "__main__":
    # 输入文件名
    input_file = "waline.json"
    
    # 输出路径
    output_path = "output_files"
    
    # 输出文件名前缀
    output_prefix = "output_chunk"

    # 指定每个文件包含的数据个数，比如拆分每100块数据
    chunk_size = 100  

    # 需要拆分的表名列表
    tables_to_split = ["Comment", "Users", "Counter"]  

    # 遍历需要拆分的表
    for table_name in tables_to_split:
        split_data(input_file, output_path, output_prefix, chunk_size, table_name)

然后打开命令提示符输入下面命令就可以了。

Python waline_chunk.py

Deta部署

现在Deta改版了，网页大变样！之前还是需要命令行操作呢，现在全程只需要在网页操作了，十分方便～对噢，想起来以前官方也说过未来会出web UI版，现在已经实现了，真不错！
我是在vercel部署了，就不用在Deta部署了，如果想要在Deta部署，可以点击下面waline文档链接操作，很好弄的！

链接：Deta 部署

部署完后界面长这样！它是一种卡片形式的，刚部署完waline的卡片特别小，你需要自己去拖动变大，下次就会好找了～

开发人员命令行操作

如果你是开发人员，可以下载Space-Cli输入命令行操作，官方仓库下载：https://github.com/deta/space-cli/releases
官方文档也有命令行帮助：https://deta.space/docs/en/build/reference/cli

我还以为用Space-Cli能克隆下项目呢，没找到相关的选项，看来waline是只能在网页操作了，省去这一步骤了。

配置环境变量

接下来配置环境变量，如果部署在Deta上，就不需要配置环境变量，Waline默认会使用Deta Base作为数据库存储数据。如果是部署在其它地方，需要配置以下环境变量。

环境变量名称	值
DETA_PROJECT_KEY	deta项目的密钥

Deta

如何配置环境变量呢？在deta项目用鼠标悬停会出现个黑色圆圈，点击它就会出现选项，点击“Open settings”

然后点击Configuration，下面就是环境配置了，可以边看waline官方文档来对照配置。

需要注意：Deta环境配置不宜写过长的代码，也就是邮件通知配置无法写入自定义的Html代码，只能用默认模板了，不知道以后官方能不能放开环境变量的长度。
另外也要注意下邮件通知是否顺利，若是无法收到邮件，请更换别的邮箱运营商。就我目前测试QQ邮箱无法收到邮件通知，gmail可以收到通知。

vercel

如果是部署在其他平台上，比如vercel，我们就需要创建Key，才能在其他平台上使用deta的数据库。

依然是打开“Open settings”设置，点击keys，在下方点击Create new deta Key

然后就会自动生成Key密钥啦！记住这个密钥只出现一次，要赶紧点击右侧的复制按钮，复制下来到文本里，以防忘记！

然后我们去vercel评论系统项目，点击Settings——Environment Variables，在右侧的“Key”填入DETA_PROJECT_KEY，后面的value就是咱们刚才创建的Key啦！填完后点击Save即可。

填完后我们要重新部署，因为环境变量还没有更新生效，点击上方的Deployments，点击第一个构建的...，下拉表点击Redeploy，然后确定Redeploy即可。

数据库迁移

从一个部署平台迁移到另一个部署平台，评论后台是不一样的，需要重新注册，第一个注册的人就会成为全局管理员，才能使用后台。

在地址栏后输入/ui即可进入评论系统后台。

在左上角点击“管理”——“导出导出”

点击“导入”

选择之前下载好的json文件，然后就会开始导入了。

在这过程当中我遇到了504错误，我查了下，可能是因为vercel有限制，全部导入会有问题，要分批导入，感觉好像是只能导入100条数据，就用前面json数据拆分那部分一个个导入吧！

不过我尝试了两次仍然还是504错误，我觉得可能数据量太多了vercel不受理，我就换成在deta后台试试了，结果它导入很快！看来是部署平台的问题啊，如果导入失败了，那么就再导入一次，它就导入成功了！看下博客评论效果吧，很完美迁移过来了～

注意评论导入会覆盖前面的评论，会导致之前的评论也删除，vercel导入有限制，我建议是在Deta后台导入，我尝试了很多次导入，都很顺利导入成功了！推荐用Deta部署在后台导入～

查看数据

怎么查看数据呢？在Deta项目中点击黑色圈圈，点击View App Date，在Base下就可以看到评论数据啦！别忘了开启Edit Mode，就可以对数据编辑了。

和Leancloud操作差不多，都是表格形式的，很直观，就是没有批量操作，以后应该会出个批量操作功能。

对了，Deta也可以导出数据，在Export页面点击Export按钮，就可以导出了！稍等一会儿，然后再点击下Refresh刷新下，就可以下载了！

Deta数据库comment表字段说明

字段名	说明
key	评论的唯一标识，回复对应关系使用
comment	评论内容
insertedAt	插入时间
ip	评论者ip
like	评论爱心统计
link	评论者网站地址
mail	评论者邮件地址
nick	评论者昵称
objectId	评论者的评论唯一标识id
pid	回复的对应评论id
rid	整条评论的id
status	审核状态
ua	浏览器
url	页面地址
user_id	注册帐号id
createdAt	创建时间
updatedAt	更新时间

Deta数据库Counter表字段说明

这一块应该是阅读量统计计数的数据

字段名	说明
createdAt	创建时间
time	阅读量次数
updatedAt	更新时间
url	关联文章地址
objectId	唯一标识ID

最后还要检查下导出的json数据是否有漏下的评论，就去后台补上，这就要花时间手动检查了。早期评论有些显示不出来，可能是因为没有添加 status 数值，添加上就可以显示了。因为waline每个版本都在更新功能，所以需要自己仔细排查。
在json数据添加审核通过属性：

"status": "approved",

还有一些回复评论的objectId指向问题也要排查，早期评论是这样：

<a class=\"at\" href=\"#454sdf4f84sdkflakh\">@SaraKale

需要把它们都改成这样的格式，才能正确显示出来。

[@SaraKale](#454sdf4f84sdkflakh):

其他修改

url地址路径批量重定向

由于我的站点url路径末尾是加了.html，以前部署的时候没有想到镜像站的同步问题，后来才发现镜像站netlify/Cloudflare路径和github路径不一样，必须要关闭Hexo选项的pretty_urls选项末尾的.html才能同步评论数据。为什么会部署不一样哇，简直无语……
后来我去问了下ChatGPT，原来是为了提高SEO啊……

Netlify默认情况下会处理网站的URL，将末尾的.html去掉，以提供更简洁的URL结构。这是一种常见的做法，有助于提高网站的用户友好性和搜索引擎优化（SEO）。

不过我还是让它帮我写个脚本，把末尾修改为斜杠吧，为了能让访客都能看到评论，我还是去掉html后缀了，这样能随时交流了～你也可以根据自己的需求修改。
我顺便去Cloudflare也做页面永久重定向了，以前的文章路径会跳转新的路径，不会有404问题了～

# 在/blog/posts/末尾插入斜杠/
# 使用正则表达式匹配
# 自行修改输入文件和输出文件路径

import re
import json

def process_json(input_file, output_file):
    # 从输入文件读取JSON数据
    with open(input_file, 'r', encoding='utf-8') as file:
        json_data = file.read()

    # 在"/blog/posts/ 后的双引号前插入斜杠
    modified_json_data = re.sub(r'("/blog/posts/[^"]*)",', r'\1/",', json_data)

    # 将修改后的数据写入输出文件
    with open(output_file, 'w', encoding='utf-8') as file:
        file.write(modified_json_data)

# 设置输入文件和输出文件的路径
input_file_path = 'waline-deta导出.json'  # 你的输入文件路径
output_file_path = 'waline-deta导出_output.json'  # 你的输出文件路径

# 调用函数处理JSON数据
process_json(input_file_path, output_file_path)

print(f"处理完成。请查看输出文件: {output_file_path}")

也可以在网站根目录创建_redirects文件，添加下面的规则，会把页面全部重定向。

/* /:splat.html 200

或者在netlify.toml文件中：

[[redirects]]
  from = "/*"
  to = "/:splat.html"
  status = 200

json时间排序

从Deta后台导出json文件我发现，Deta评论的Key值似乎是以数值较小的排在前面，如：

9007199254468113
9007199254468184
9007199254468217

所以最新评论排在前面是因为Key值数值较小，所以才能看到最新评论，怎么会如此……难道不是最新评论的Key值最大吗，因为是慢慢增加的啊，完全搞不懂Deta的排列顺序，怪不得在导入的时候有评论是排序错乱了……
所以我又去找chatGPT帮我写个时间排序脚本，这样评论不会错乱了！

# ========================
# 将评论数据中的"Comment"块提取"insertedAt"日期时间按照正则表达式排列为正序
# 以最早的时间在前，最新时间在后
# 请自行修改输入文件和输出文件路径
# ========================

import json
import re

def extract_insertedAt(comment):
    # 使用正则表达式提取 "insertedAt" 的日期时间部分
    match = re.search(r'\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}\.\d+Z', comment["insertedAt"])
    return match.group() if match else None

def sort_comments_by_insertedAt(json_data):
    # 从整个JSON数据块中提取并排序 "insertedAt"
    sorted_json_data = sorted(json_data["data"]["Comment"], key=extract_insertedAt)

    # 更新原始数据
    json_data["data"]["Comment"] = sorted_json_data

# 指定输入和输出文件路径
input_file_path = 'waline-deta导出.json'
output_file_path = 'waline-deta导出_output.json'

# 从输入文件读取JSON数据
with open(input_file_path, 'r', encoding='utf-8') as file:
    data = json.load(file)

# 调用函数进行排序
sort_comments_by_insertedAt(data)

# 将结果写入输出文件，禁用Unicode转义
with open(output_file_path, 'w', encoding='utf-8') as file:
    json.dump(data, file, indent=2, ensure_ascii=False)

print(f"数据已按照 'insertedAt' 的日期时间正序排序，并保存到文件: {output_file_path}")