SharePoint 数据迁移解决方案

　　前言：说来惭愧，我们的SharePoint内网门户跑了2年，不堪重负，数据量也不是很大，库有60GB左右，数据量几万条，总之由于各种原因吧，网站速度非常慢，具体问题研究了很久，也无从解决，所有考虑用Net重新搭网站，进行数据迁移，也就带来了数据迁移这个问题。

　　思路：由于SharePoint的架构和Net有着不一样的特点，而且SharePoint的数据库设计是不为人所知的（当然我们可以了解一些，但不完全），虽然也是基于Net架构的，但是我们很难做到Sql To Sql的方式。所以，只能考虑服务器端对象模型，插入到数据库中的方式，其间，经理给的建议非常合理，就是将SharePoint的数据整理好插入中间库，然后统一插入到新网站数据库中。在后来的实践中，发现这一方法对数据迁移和检查，都有着非常好的帮助，避免了很多SharePoint对象模型中出错，但是不好更正的现象。

　　中间库设计：

　　考虑到原内网门户有列表、文档库、图片库三种主要类型（特殊列表特殊对待），所以创建了两个数据库表，分别用来存List和DocLib，同时再创建两个表Image和Attachment用来存列表正文中的图片和列表附件（文档库文档当做列表附件）。

　　一、用来存储列表内容的表 --  TABLE [dbo].[List]

[ID] [int] IDENTITY(1,1) NOT NULL,--主键ID
[WebID] [nvarchar](max) NULL,--所在网站的Guid
[ListID] [nvarchar](max) NULL,--所在列表的Guid
[ListName] [nvarchar](max) NULL,--列表名称
[ContentType] [nvarchar](max) NULL,--所属内容类型
[ItemID] [nvarchar](max) NULL,-- 列表里面的ID
[ApprovalState] [int] NULL,--审批状态
[Title] [nvarchar](max) NULL,--标题
[SubTitle] [nchar](10) NULL,--副标题
[ItemContent] [nvarchar](max) NULL,--内容
[Creator] [nvarchar](max) NULL,--创建者LoginName
[CreatorID] [nvarchar](max) NULL,--创建者UserID
[DispCreator] [nvarchar](max) NULL,--创建者UserName
[Modifier] [nvarchar](max) NULL,--修改者LoginName
[ModifierID] [nvarchar](max) NULL,--修改者UserID
[DispModifier] [nvarchar](max) NULL,--修改者UserName
[CreatTime] [datetime] NULL,--创建时间
[ModifyTime] [datetime] NULL,--修改时间
[TransferDate] [datetime] NULL,--数据迁移时间

　　二、用来存储文档库/图片库的表 -- TABLE [dbo].[DocLib]

[ID] [int] IDENTITY(1,1) NOT NULL,--主键ID
[WebID] [nvarchar](max) NULL,--所在网站的Guid
[ListID] [nvarchar](max) NULL,--所在列表的Guid
[ListName] [nvarchar](max) NULL,--列表名称
[ListType] [nvarchar](max) NULL,--列表类型（文档库/图片库）
[ItemID] [nvarchar](max) NULL,-- 列表里面的ID
[ApprovalState] [int] NULL,--审批状态
[Title] [nvarchar](max) NULL,--标题
[Creator] [nvarchar](max) NULL,--创建者LoginName
[CreatorID] [nvarchar](max) NULL,--创建者UserID
[DispCreator] [nvarchar](max) NULL,--创建者UserName
[Modifier] [nvarchar](max) NULL,--修改者LoginName
[ModifierID] [nvarchar](max) NULL,--修改者UserID
[DispModifier] [nvarchar](max) NULL,--修改者UserName
[CreatTime] [datetime] NULL,--创建时间
[ModifyTime] [datetime] NULL,--修改时间
[Url] [nvarchar](max) NULL,--文档的Url
[TransferDate] [datetime] NULL,--数据迁移时间

 　　三、用来存储正文图片的表 -- TABLE [dbo].[Image]

[ID] [int] IDENTITY(1,1) NOT NULL,--主键ID
[WebID] [nvarchar](max) NULL,--所在Web的Guid
[WebSubUrl] [nvarchar](max) NULL,--所在Web的相对WebUrl
[ListID] [nvarchar](max) NULL,--所在列表的Guid
[ListName] [nvarchar](max) NULL,--列表名称
[ItemID] [nvarchar](max) NULL,-- 列表里面的ID
[ImageUrl] [nvarchar](max) NULL,--内容图片的Url，多张图片，逗号分隔

 　　四、用来存储附件集的表 -- TABLE [dbo].[Attachment]

[ID] [int] IDENTITY(1,1) NOT NULL,--主键ID
[WebID] [nvarchar](max) NULL,--所在Web的Guid
[WebSubUrl] [nvarchar](max) NULL,--所在Web的相对WebUrl
[ListID] [nvarchar](max) NULL,--所在列表的Guid
[ListName] [nvarchar](max) NULL--列表名称
[ItemID] [nvarchar](max) NULL,-- 列表里面的ID
[AttachUrl] [nvarchar](max) NULL,--附件的Url，多个的时候，逗号分隔

　　代码方法段：

　　首先就是对象模型读取列表插入List表，然后是对象模型读取文档库/图片库插入DocLib表，读取字段的代码比较简单，我们就不过多介绍，就介绍下其间遇到的几个问题，也避免代码太多太繁杂。

　　问题一：正文乱码

　　这是一个比较操心的问题，插入数据没有问题，但是到新系统显示，发现好多正文带有雷系”？“之类的东西，这样子肯定不行，首先想到RePlace，然后想想不太靠谱，因为正文里很有可能有正常的问号，这样会被替换掉。后来想到可能是编码问题，后来证实确实是编码问题，将特别的空格处理替换为 即可，处理如下：

//Content替换空格为  
byte[] space = new byte[] { 0xc2, 0xa0 };
string UTFSpace = System.Text.Encoding.GetEncoding("UTF-8").GetString(space);
Content = Content.Replace(UTFSpace, " ");
Content = DeleteHtmlImgTag(Content);
Content = Content.Replace("'", "''");

　　问题二 处理中途报错

　　插入过程中，我们会出现一些操作异常的情况，可能整个程序要运行4-5个小时，但是4个小时的时候，出现异常了，我们很恼火，调试也很困难，因为很难去调试问题，即使把断点打在Catch里面，调试也是力不从心的，所以，我们必须一次成功，不容许中间出差错。这样，我采取了空跑程序（只走对象模型，不插入数据库，因为Insert很慢，而且几乎不报错，错误多数出现在对象模型调用上，各种字段没有、对象为空）和记录错误补录两个方式，来避免这样的问题。

public static void WriteErrorLog(string ErrorMessage)
{
    try
    {
　　　　using (StreamWriter sw = File.AppendText(@"log_error " + InsertTime.ToString("yyyy-MM-dd HHmmss") + ".txt"))
　　　　{
　　　　    sw.WriteLine(ErrorMessage);
　　　　    sw.Dispose();
　　　　}
    }
    catch{
    }
    Console.WriteLine(ErrorMessage);
}

　　问题三 处理中间的小错误

　　操作过程中，对于代码编写的可靠性，要求很好，就像上面所说，一个要跑4-5个小时的程序，4个小时的时候报错，我们基本就属于前功尽弃，因为继续插入是很困难的。所以中间的小问题，对于代码段的可靠性要求，就非常高了。必要的时候，多加一些Try...Catch...可能会对于效率有一点点影响，但是对于整个程序来说，是非常必要的。

if (!web.Exists){}//判断web是否存在
list = web.Lists[ListName];//打开的时候Try一下，避免不存在，ListName最好Trim一下
if (list.BaseTemplate == SPListTemplateType.Announcements)//判断list类型
if (list.Fields.ContainsField("SubTitle"))//判断是否有SubTitle这个字段
//副标题对象不为空，才赋值，否则赋值为空字符串（下面那行的注释…）
SubTitle = (item["SubTitle"] == null) ? string.Empty : item["SubTitle"].ToString();

　　问题四 提取正文中的图片URL

　　我们数据迁移过程，正文中会带有图片，这就要求我们把图片保存下来，迁移过去，然后还要插入到相同的位置。这是个比较让人头疼的问题，首先说下逻辑，读取正文的时候，用正则表达式获取所有的图片（不是绝对路径的要拼成绝对路径），然后插入到Image中间库中，将原来图片的位置，替换为一个图片标志，因为之后我们还要把图片插入到这里。

/// <summary>
/// 取得HTML中所有图片的 URL。
/// </summary>
/// <param name="sHtmlText">HTML代码</param>
/// <returns>图片的URL列表</returns>
public static string[] GetHtmlImageUrlList(string sHtmlText)
{
    // 定义正则表达式用来匹配 img 标签
    Regex regImg = new Regex(@"<img\b[^<>]*?\bsrc[\s\t\r\n]*=[\s\t\r\n]*[""']?[\s\t\r\n]*(?<imgUrl>[^\s\t\r\n""'<>]*)[^<>]*?/?[\s\t\r\n]*>", RegexOptions.IgnoreCase);

    // 搜索匹配的字符串
    MatchCollection matches = regImg.Matches(sHtmlText);
    int i = 0;
    string[] sUrlList = new string[matches.Count];

    // 取得匹配项列表
    foreach (Match match in matches)
　　　　sUrlList[i++] = match.Groups["imgUrl"].Value;
    return sUrlList;
}

　　问题五 将正文中的图片Url换为标识<ImgType>

　　同样使用正则表达式，将图片标签<img.../>替换为我们特定的标识，为将来replace回来做准备，代码附下：

/// <summary>
/// 去处HTML中所有图片的img标签。
/// </summary>
/// <param name="sHtmlText">HTML代码</param>
/// <returns>去除img标签后的Html</returns>
public static string DeleteHtmlImgTag(string sHtmlText)
{
    string result = Regex.Replace(sHtmlText, @"<img.*?src=(['""]?)(?<url>[^'"" ]+)(?=\1)[^>]*>", delegate(Match m)
    {
return "<ImgType>";
    });
    if (result.IndexOf("</img>") > 0)
    {
result = result.Replace("</img>", "");
    }
    if (result.IndexOf("</IMG>") > 0)
    {
result = result.Replace("</IMG>", "");
    }
    return result;
}

　　中间库到新系统：

　　经过将SharePoint中数据，整理插入到中间库的过程，我们等于已经完成80%的工作，因为剩下的内容，就是Sql To Sql的问题了，对于net开发人员，甚至不需要设计，你只需要了解新系统的数据库结构，相应字段插入就可以了。唯一要提到的就是附件/图片处理的问题，下面我说下我的处理方式：

　　附件/图片处理

　　这也是一个比较棘手的问题，因为众所周知的原因，SharePoint的附件/图片是BLOB的形式，存储在数据库中的（我尝试去数据库中找这个字段，没找到）；所以我们只能用对象模型，当然SPFile是我们第一时间想到的，但是效率可想而知（效率太慢放弃）；所以考虑先将附件/图片的Url地址拼接好，插入到Images/Attachment的中间库中，然后采取WebClient的对象去下载为Byte[]，然后直接上传，测试结果还是很客观的，100个附件1分钟左右（与附件大小有关）。

using (WebClient wc = new WebClient())
{
    NetworkCredential networkCredential = new NetworkCredential("用户名", "密码", "域");
    wc.Credentials = networkCredential;
    byte[] ss = wc.DownloadData(url);
    return ss;
}

　　总结：数据迁移过程比较繁杂，需要考虑的东西比较多，前期的规划很重要，因为数据一旦迁移过去，修修补补会很让人郁闷，所以对应关系一定一定要先做好，避免后期修改。而且，两边系统的开发人员对接非常重要，避免出现少插入字段等现象，造成新系统出问题。基本上就是以上这些，写出来给有需要的人们参考下，就这样了。