Notion文档导出与统计

Notion export cleaner

主要是去除丑陋的一堆ID。

1. 导出zip。
2. 安装go1.20，https://go.dev/doc/install。
3. 安装cleaner, go install github.com/Mrpye/notion-export-cleaner。
4. notion-export-cleaner clean "./export.zip" "./exported"

统计所有字数

find . -name '*.json' -exec cat {} \;|wc -m

拼接md，AI机器人

find . -name '*.md' -exec sh -c 'echo "## $1"; cat "$1"; echo ""' _ {} \; > combined.md

然后typora打开md，就可以转为pdf，然后丢给AI提问。

• Notion export enhancer，废弃，问题太多。

  Notion导出处理：notion_export_enhancer。notion-export-enhancer · PyPI

  使用注意：

  1. 编码问题。需要设置系统编码为u8，就没问题不会乱码。
  2. 导出的必须都是md，不能携带其他类型文件，注意文档里面不要嵌套包含了其他的文件。

导出后合并内容

合并所有自己写的总结的内容，即自己创作的部分，合并到一起。（省略每日总结时，顺便查看的一些任务管理、时间管理等成分）。

将文件处理合并到生成 combined_summary.md 文件的命令中。以下是完整的一步命令：

# 创建或清空一个新的文件来存储所有提取的总结内容
echo "" > combined_summary.md

# 查找当前目录及子目录下所有的 `.md` 文件
find . -name '*.md' -exec awk '
  BEGINFILE {printflag=0; printed=0}
  /## 总结/ {printflag=1; next}
  /^## / {printflag=0}
  printflag && !/^$/ {
    if (!printed) {
      # 使用 gensub 替换文件路径和扩展名，只保留文件名
      gsub(/.*\\//, "", FILENAME);
      gsub(/\\.md/, "", FILENAME);
      print "## " FILENAME;
      printed=1
    }
    print
  }
  ENDFILE {printed=0}
' {} \\; >> combined_summary.md

# 现在 combined_summary.md 文件已经包含了所有的总结内容和被处理过的文件名
# 如果你想对文件名进行进一步的处理，比如移除日期或特定的字符，可以在这里添加额外的 sed 命令

这个命令会做以下操作（其实只用复制find这部分即可。）：

1. 创建或清空 combined_summary.md 文件。
2. 使用 find 命令寻找所有 .md 文件。
3. 对于每个找到的文件，awk 会：
   • 在开始处理新文件时，初始化 printflag 和 printed 标志。
   • 当遇到 “## 总结” 时，设置 printflag 以开始打印。
   • 遇到另一个二级标题时，清除 printflag 停止打印。
   • 如果 printflag 设为真且当前行不是空行，且还未打印文件名：
     • 使用 gsub 函数移除路径部分和 .md 扩展名。
     • 打印处理过的文件名作为标题。
     • 设置 printed 标志为真。
   • 打印总结部分的内容。
4. 将所有处理过的输出追加到 combined_summary.md 文件中。

请注意，这个命令假设您希望保留文件名作为标题，但不希望保留文件路径和 .md 扩展名。此命令不会处理其他可能存在于文件名中的字符。如果需要进一步的文件名处理，请在 awk 命令之后，添加额外的 sed 命令或在 awk 中进行相应的处理。

在运行此命令之前，请确保在一小部分样本文件上测试，以确认其行为符合您的预期。

因为我个人的子弹笔记，是嵌套包含，即年嵌套月、月潜逃周、周潜逃日，而notion中嵌套是通过超链接引用进来，而且通过拖拽的方式添加的话，可能会包含到最后，所以可能需要单独删掉这部分。这个就要看超链接的标题去删除了，提供一些参考命令：

sed -i '/\[\(.*[0-9]\{4\}\/[0-1][0-9]\/[0-3][0-9].*\)\](\(.*\))/d' combined_summary.md 
# 删2023/08/03这种格式

sed -i -e '/\[.*日.*\](.*)/d' -e '/\[.*周.*\](.*)/d' combined_summary.md
# 或者暴力删除日/周这样的关键词