2chのレス保存 - Hamamura Design

2chのDATファイルを、PHPでMySQLに保存する方法を検討

Link
- 形式
- 規則
  - 名前
  - E-mail
  - 日付とID等
  - 本文

Link †

2chのDATファイル仕様が、以下のページにまとめられていた。

monazilla/datの仕様
http://info.2ch.net/wiki/index.php?monazilla%2Fdat%A4%CE%BB%C5%CD%CD

形式 †

名前<>E-mail<>日付とIDとBE<>本文<>スレッドタイトル
名前<>E-mail<>日付とIDとBE<>本文<>
名 </b>fusianasan.2ch.net<b>前<>E-mail<>日付とIDとBE<>本文<>
名前 </b>◆ozOtJW9BFA <b><>E-mail<>日付とIDとBE<>本文<>
キャップ ★<>E-mail<>日付とIDとBE<>本文<>
名前 </b>◆ozOtJW9BFA <b>＠キャップ ★<>E-mail<>日付とIDとBE<>本文<>
あぼーん<>あぼーん<>あぼーん<>あぼーん<>あぼーん
...

スレッドタイトルは、1レス目にしか書かれない。
ただし、削除跡（レス削除、スレ停止、スレ移動）等では、スレッドタイトル部分にも削除表示がある。

１レスは１行に相当する
１行のデータの区切り文字は「<>」
日付とID（またはBE）は一緒に入れられているので、さらに分割が必要

基本的には、1行ずつ読み込んで、「<>」で分割して保存すればOK
日付とID（BE）は、以下のように「半角スペース」で区切られている。

2009/12/27(日) 21:11:40 ID:GwPHbQvp

[response]テーブル

カラム名	データ型	内容
id	int	auto_increment
dat	int	DATファイル名
res_num	int	レス番号
name	varchar(255)	名前
email	varchar(255)	E-mail
date	varchar(255)	日付、ID、BEのデータ
message	text	本文

↑

規則 †

文字コードはShift_JIS
改行コードは\n
投稿者が記入したものはHTMLエンコードされる

↑

名前 †

2chのログ表示プログラム「read.cgi」では、名前を太字で表示するためにBタグを付加しているが、DATファイル上には単純な名前のみが記録されている。
fusianasan等のホスト表示では、手入力の文字列と区別するために、太字ではなく通常表示となっており、ホストの前にで太字を終わらせ、ホストの後にで再び太字にしてあり、このタグはdatに記録されている。
◆という文字があれば、それ以降の10文字（古い投稿では8文字）はトリップとなる。
トリップも通常表示とするために、同様にとで挟まれている。
普通に文字として◆を書くと、◇に置換されている。同様に、★と●も特殊な条件の人しか使えず、☆と○に置換されている。

↑

E-mail †

AタグのHREF属性の値として使われる事が多い。
スペースやシングルクォートはHTMLエンコードされずに、そのまま書き込めることに注意。

DBに保存する場合は、エスケープする必要あり？

↑

日付とID等 †

IDが付く板の場合、日付のあとにID:xxxxxxxxのようにIDが付く。
2004/12あたりから、BE＠2ch掲示板のプロファイルが追加された。
＝IDの後に空白で連結されて、BE:xxxxxxのようになっている。

分割するには、" ID:"(先頭に空白が1つ付いている)という文字列を探して、見つかったなら、それより前が日付、後がIDとすればOK。見つからなければIDは無し。BEも同様。

日付データのフォーマット
日付データのフォーマットは変更が重ねられている。
古いものから順にあげると、以下のようになっているらしい。
```
YYYY/MM/DD(W) hh:mm
YY/MM/DD hh:mm
YY/MM/DD hh:mm:ss

Y: 年
M: 月
D: 日
W: 曜日 (漢字で1文字)
h: 時間 (24時間)
m: 分
s: 秒
```
現在では、日付の書式も掲示板設定で変えられるようになっており、既定通りの記録がなされているとは限らないらしい。
その他、今後も様々なオマケデータがここに付加される可能性があるので、データの解釈に柔軟性を持たせるのが良いとのこと。

↑

本文 †

改行は になっている。
本文データの前後に「半角スペース」が付いている。
```
" 1行目 "
" 2行目 "
" 3行目 "
...
```
特殊な事例（おそらくバグ）もあり、本文データの１行目先頭と最終行末尾にだけ「半角スペース」が付いている場合もあるらしい。
具体的には/unix/1000022300/143で、以下のような形をしています。
```
" 1行目"
"2行目"
...
"最後の行 "
```
見れば分かりますが、最初と最後にしか、空白がついていません。

HTML表示する際には、半角スペースがあっても特に影響ないので、そのままでOK?