如我在 临时但可用的 Flarum 导入脚本 中所述，我已从 Flarum 迁移到 Discourse。这是我的第一个站点，我完全被你们的工作所吸引，向你们所有人致敬。
乍一看在开发环境中似乎一切正常的，是帖子迁移的方式。在浏览器中，大多数帖子看起来没问题，但深入查看会发现存在大量遗留的 HTML 标签，这些标签会导致图片加载失败、无法导入到本地存储等问题。
有没有一种聪明的方法可以在迁移后批量移除所有帖子中的 HTML 标记？
另一个问题是，我还需要将大量 URL 从 http 更正为 https。
感谢你们的帮助。顺便提一下，我提供的这个临时脚本确实应该进行改进，以便更好地处理帖子到 Discourse 帖子格式的转换（这不在我的技能范围内）。
在导入器中修复这些问题最为容易。如果您已经上线且无法使用导入器，那么难度会更大。您只需编写代码来修改原始文本，然后重新生成帖子。很遗憾，这并没有什么魔法。
听起来您遇到了这里描述的问题：https://meta.discourse.org/t/fix-broken-images-for-posts-created-by-the-wp-discourse-and-rss-plugins/160773。我在该主题下的第一条回复中详细说明了问题的成因。该问题会影响通过 HTML 创建的帖子中的图片。我会更新该主题的标题，以明确其影响范围不仅限于通过 WP Discourse 插件或 RSS 源创建的帖子。
理想情况下，Discourse 的 Markdown 解析器应能处理被其他 HTML 标签包裹的 HTML 图片标签。不过，我认为修复这个问题相当困难。
是的，这正是我遇到图片损坏且位于其他 HTML 标签内时的现象。
我已经开始手动修复，但这非常耗时，而且每次修改都会导致帖子被重新置顶到最新列表，这又需要手动重置置顶等操作，问题变得更加复杂。
我打算先查看几个问题严重的帖子，尝试找出移除 HTML 标签的逻辑。之后，我可能需要协助将整个数据库中的此类问题自动化处理，我打算尝试使用 Data Explorer 来解决这部分问题。Data Explorer 能否作为 IDE 来执行这些帖子转换操作？
期待学习这一过程。
Koen
不行，Data Explorer 插件仅允许你从站点数据库读取数据，不允许向站点数据库写入数据。
大家好，我已经摸索出如何手动清理数据并修复损坏的图片。不过，我希望能够自动化完成这些操作。
我想要找到一种方法，移除所有类似 [P]、[/P] 和 [BR/] 的 HTML 标签。
我已经在论坛中搜索过，但没找到接近的解决方案。我也查看了导入脚本，但其中并没有从 Discourse 到 Discourse 的导入器作为起点。我认为我需要编写一个脚本来：
BR/ 替换为换行符有人能指引我参考 Discourse 上的相关讨论吗？或者是否有人拥有可以让我上手的脚本或代码片段？我并非资深开发者，但我可以修改现有的可用代码……
一旦我达成目标，我会将成果回馈给社区。
Koen
这是执行类似操作的代码：
posts=Post.where("raw like '%Sent from%using Tapatalk'")
posts.each do |post|
post.raw.gsub!(/^Sent from my.+?using Tapatalk$/,"")
post.save
post.rebake!
end
除非图片或 URL 已损坏，否则我认为你不需要对它们做“智能”处理。
你可以尝试类似以下的代码：
post.raw.gsub!(/\/?\[p\]/ig,"\n")
用换行符替换 [p] 和 [/p]（多一个换行符通常无妨，但如果你认为不需要换行，可以移除 \n）。不过我尚未测试，所以这段代码可能不正确。你可以在 https://rubular.com/ 等工具中进行测试。
太棒了，这完全帮我理清了思路。
我想对于我的简单情况，直接使用 rake posts:remap["find","replace"] 应该就足够了，对吧？
我这就去试试，非常感谢！
要弄清楚如何在该 rake 任务中转义 [ 可能很棘手（甚至可能无法实现）。
抱歉，那个"]“字符只是因为我当时不知道如何输入”<"才加上的。
我只需要移除几个这样的标准 HTML 标签。
这样用 remap 应该就没问题了吧？
大概是这样。你可以用反引号引用内容，就像这样：
`<`p`>`
或者
`<p>`
顺便提一下 @koen360
在我们迁移论坛时，来自近二十年论坛帖子的无数 bbcode 和标签问题层出不穷。
我们没有使用 rake remap 函数来处理这些问题，在所有情况下，我们都采用了 @pfaffman 在他的代码片段中概述的技术：
上面这段使用 gsub() 的代码片段总结了在迁移后（甚至更好的是在迁移期间）清理原始帖子的最佳方法之一。
在真正将其应用于数据库之前，请务必测试您的正则表达式，并在直接对数据库执行此类操作之前进行完整备份。
你好，下面是我的 script/cleanup.rb 脚本内容，我是这样运行的：RAILS_ENV=development bundle exec ruby script/cleanup.rb
文件内容：
require_relative '../config/environment' pm = 0 Post.find_each do |test| test.raw.gsub!(/<(.|\/.)>/i,"") test.save test.rebake! pm = pm + 1 end puts "cycled through #{pm} posts"
我尝试过 rake posts:rebake，它重新烘焙了 1757 篇帖子。而我的脚本只遍历了 1712 篇帖子，这些是导入的带有 HTML 标签的内容，其余的是在 Discourse 中新创建的。
我觉得我快成功了，但当我在 UI 中检查原始内容时，仍然看到所有的 HTML 标签。
我尝试重启环境并重新启动 Unicorn，但毫无效果。差一点了……差一点了 ;o)
你是在哪里测试你的正则表达式的？请一次只发布一条帖子，以确保原始内容已被正确修改。
采用了您推荐的 rubular 方案，现在 regexr.com 的效果如下截图所示。目前先处理 p 和 r 标签，等这些搞定后再添加更复杂的规则。
当我在我的 cleanup.rb 中添加了一个 put 语句，以便将原始帖子内容打印到命令行界面时，我注意到根本没有打印出任何 HTML 标签。
然而，当我编辑任何帖子时，我确实看到了以下内容，右侧显示了 HTML 标签。这似乎不是正常情况，因为当我返回编辑正在编辑的帖子时，我看不到 HTML 标签……
有人知道是怎么回事吗？
那个 gsub 需要在 /i 后面加一个 g 才能匹配多个标签。但如果你看到的 puts 输出与脚本运行后的结果不同，那我无法解释原因。
真奇怪，我遇到了这个错误：
script/cleanup.rb:9: unknown regexp option - g
当我像这样给 i 加上 g 时：
require_relative ‘../config/environment’
pm = 0
Post.find_each do |test|
puts test.raw
test.raw.gsub!(/<(.|/.)>/ig,“”)
test.save
test.rebake!
pm = pm + 1
end
puts “cycled through #{pm} posts”
谢谢，正则表达式那边已经解决了。
不过这个脚本似乎还有两个我无法解释的问题：
# 调用方式如下：
# RAILS_ENV=development bundle exec ruby script/cleanup.rb -> cleanup.log
require_relative '../config/environment'
pm = 0
Post.find_each do |test|
puts test.raw
test.raw.gsub!(/<(.|\/.)>/im,"")
test.save
test.rebake!
pm = pm + 1
end
puts "cycled through #{pm} posts"
<p> 实例。奇怪的是，这些从未被移除。看来我可能没有查看同一个环境？难道 d/unicorn 指向的是本地生产环境，而我的脚本只是对开发环境进行了修改？
我打算先在本地使用 Docker 指南在开发环境中解决这个问题，然后再处理线上站点。
这肯定是我这个新手忽略的某个基本问题。