脚本详解：generate-archive.ps1

这个脚本干什么

generate-archive.ps1 是整个构建流程的第一站。它扫描所有博客内容文件，提取元数据，一口气生成四种东西——最新文章组件、文章归档页、标签云页、以及搜索索引。四种产出分别服务于侧边栏、独立页面、和 CGI 搜索引擎。

它必须在 build.ps1 之前跑，因为 build.ps1 需要读取它生成的 latest-posts.html 注入侧边栏。如果顺序反了，访问者看到的就是旧数据。这个依赖关系由 rebuild-all.ps1 保证，不需要人工记忆。

元数据扫描

脚本的第一件事是遍历博客目录，从每个 .html 文件的 HTML 注释中提取四段元数据：

所有文章信息存入一个 PowerShell 对象数组，按日期降序排列。这一步是整个脚本的数据基础，后续四种产出都从这个数组派生。

产出 A：最新文章组件

取前 5 篇文章，生成 src/components/latest-posts.html。这个文件会被 build.ps1 注入到每个页面的右侧边栏，所以网站上的"最新文章"列表永远是最新的。

这里有一个值得说的细节：标题截断用的是像素宽度估算而非字符数。中文字符估算 11px，ASCII 估算 6px，总宽度超过 110px 就截断到 10 个字符。用字符数截断对于纯中文没问题，但中英混排的标题会差很多——"AAAAAAAAAA" 和 "中中中中中"同样是 5 个字，像素宽度能差一倍。在 CSS text-overflow 出现之前，手工宽度计算是唯一的方案，而且恰好 IE5.5 不支持 text-overflow。

输出文件用 UTF-8 without BOM 编码。因为它会被注入到已有 BOM 的页面中， 带 BOM 的话注入位置会多出乱码字符。

产出 B：文章归档页

归档页的核心是按年-月分组。日期格式统一为 YYYY-MM-DD， 取前 7 个字符就是 YYYY-MM。用 PowerShell 的 Group-Object 一键分组，然后按月份降序排列，最新的排最上面。

每个月份渲染为一个标题（"2026年4月"）+ 一个两列表格：左边是日期（黄色，130px 宽），右边是文章标题（青色链接）。这个页面没有侧边栏——它采用双栏布局，左边放博客文章，右边放其他页面（下载中心、FAQ 等），用 980px 的 table 居中。

归档页输出到 dist/archive.html（中文）或 dist/en/archive.html（英文）。

产出 C：标签云页

标签云是四个产出中逻辑最复杂的一个。它需要构建一个标签→文章的反向索引：遍历所有文章的标签，用一个哈希表把每个标签映射到包含它的文章列表。

标签的字号根据文章数量分级：3 篇以上大号（size="4"），2 篇中号（size="3"）， 1 篇小号（size="2"）。三个级别足够区分，不需要更复杂的热度算法。

标签云下方是每个标签对应的文章列表，用 <a name="tag名"> 做锚点，点击标签云中的链接即可跳转。标签云也有独立的中英文版本。

产出 D：搜索索引

搜索索引是一个纯文本文件 data/build/search_index.txt， 被 cgi-bin/search.py 读取用于全文搜索。格式是每篇文章一个 TITLE/DATE/LINK/TEXT 记录块，用 --- 分隔。

文本提取的流程很简单：读 HTML → 正则剥离所有标签 → 替换   → 压缩连续空白为单个空格。不需要 NLP，不需要分词，纯字符串匹配。对于几十篇文章的个人博客，这个方案完全够用。

搜索是完全免 JavaScript 的——搜索框是一个 HTML 表单，提交到 CGI， 服务端做全文匹配，返回带高亮的结果页面。整个过程和 2002 年的搜索引擎工作原理一致。

双语支持

脚本通过 -Lang 参数控制语言（默认 "zh"）。英文模式下，博客内容从 blog/en/ 读取，界面文字自动切换（"最新文章"→"Latest Posts"）， 输出到 dist/en/ 子目录。中文和英文的归档、标签、搜索索引完全独立， 不会混在一起。

设计思路

如果把这个脚本拆成四个独立的脚本，代码会更模块化，但每次全站构建需要扫描 4 次博客目录。 一次扫描、四处输出的设计减少了 I/O。在这个只有几十篇文章的站点上，差异可能只有几百毫秒，但它体现了一种"提前想好数据流"的工程习惯——知道数据从哪里来、要到哪里去、中间经过几次变换。

PowerShell 的 Group-Object、Sort-Object、Select-Object 等管道命令在这里发挥了类似 SQL 中 GROUP BY、ORDER BY、LIMIT 的作用—— 只不过操作的是内存中的对象数组而非数据库表。