Cornhsu.PolyMigrate
實習時把佛寺的老 PHP 官網整站搬成靜態站，發現最痛的不是抓網頁——是手工對配每一頁的中英文版本，而且市面上沒有任何工具解這件事。PolyMigrate 把整趟搬遷產品化：自動配對配得起來的、用共用相簿和日期猜配不到的、配不到的誠實列清單——加上十幾個真實踩過的坑，全部內建成功能。
$ dotnet tool install -g Cornhsu.PolyMigrate --prerelease $ polymigrate extract site.yaml # 鏡像 HTML → frontmatter Markdown + 四份清單 + 雙語配對 $ polymigrate verify out/ # 全站巡檢：連結／媒體／欄位，exit code 直接進 CI $ polymigrate thumbs site.yaml # EXIF 自動轉正縮圖（手機直拍不再側躺） $ polymigrate probe-orphans site.yaml --section news --years 2021-2023 # 挖回被原站移除索引、但其實還在的孤兒文章
唯一會自動配對多語言頁面的搬遷工具
多語言機構站（政府、大學、NGO、宗教組織）要把老舊動態網站搬成靜態站時，都卡在同一步：手工對配每一頁的各語言版本。通用爬蟲眼裡 /ch/news/x 和 /en/news/x 就是兩個不相干的網頁——這個對應關係搬丟了，新網站的「切換語言」按鈕就是壞的。目前全世界的做法是 Excel 人工對表。
PolyMigrate 把多語言當核心而不是外掛：檔名對稱的頁面以去語言前綴的路徑自動配對；配不起來的（活動頁檔名中英各取各的）依序用共用相簿 → slug 日期正規化 → 標題相似度給啟發式建議、附上證據欄待人工覆核；真的配不到的誠實列入缺漏清單。語言不限兩種——lang_map 宣告幾組就支援幾語，輸出一律 BCP-47 標準代碼。
另一半的價值是「內容保存的正確性」：手機直拍照片 EXIF 顛倒、YAML 被冒號和前導零咬壞、影片被 Markdown 轉換器丟掉、舊文章被原站從目錄移除但其實還在——這些通用工具和 AI 抽取都不在乎的細節，每一個都是真實踩過、修過、寫成測試的內建功能。
v1.0.0-preview.1，一次真實整站搬遷背書
| 發佈 | NuGet 雙套件（CLI tool＋Core lib），推 tag 即 OIDC Trusted Publishing 自動上架（repo 零長效金鑰） |
| 測試 | 119 條（單元／整合／golden-file），三平台 CI（Windows／Linux／macOS） |
| 真實驗證 | 516 頁、4.6GB 媒體全量跑通；281 個 translation key，231 篇雙語文章自動配對；內建巡檢 1,269 內部連結＋4,116 媒體引用＝0 錯誤 |
| 移植即驗證 | 以已完成搬遷的 Python 原型輸出當 golden 基準逐頁比對：466/516 頁正文空白正規化後逐字相同，其餘逐一查核為渲染等價或更保真 |
| 語言支援 | 不限雙語：lang_map 宣告幾組就幾語，清單欄位／配對／frontmatter 全部隨語言數展開 |
| 效能 | 媒體雜湊以（大小, mtime）快取——4.6GB 實站重跑 30.1s → 4.6s |
| 產出即可部署 | redirect_map 自動填新路徑，另出 nginx conf 與 Netlify _redirects——301 設定從手填半天變複製一個檔 |
六個值得一提的設計
雙語配對引擎（市面沒有的那一塊）
對稱路徑去語言前綴當 translation_key 自動配；配不起來的依 config 順序用共用相簿 → slug 日期正規化（YYYYMMDD／MMDDYYYY／DDMMYYYY 混用都認）→ 標題 bigram 相似度給建議，附證據欄待人工覆核。真實站跑出 0 筆建議，查證後確認是對的——中英活動頁連海報都是不同圖，寧可不建議也不給錯誤建議。
「內容保存的正確性」內建成功能
EXIF 轉正後才縮圖、數字 slug 強制引號（PyYAML／js-yaml 對前導 0 判斷不一致）、%20 磁碟解碼名／URL 單次編碼、影片／iframe／PDF 以佔位符穿過 Markdown 轉換保留原位、<title> 髒污時取內文真標題——LLM 抽取和通用爬蟲不在乎的細節，全部有測試背書。
孤兒文章探測
原站把舊文從目錄移除但頁面還在——逐日產生兩種日期格式的候選網址、命中再探 A–D 後綴變體、409 bot 防護退避重試、config 宣告 cookie 繞法、禮貌間隔。真實站挖回 13 篇被藏起來的文章。
巡檢做成產品
verify 只讀輸出、不碰網路（Phase 契約完整性的試金石）：frontmatter 欄位、內部連結對路由集、媒體引用對磁碟；已記錄的原站壞圖降 warning 不誤報。「0 錯誤成績單」是行銷主軸，驗證器就該是產品的一部分。
決定性輸出與跨平台一致
同 config 兩平台產出必須相同——Windows 保留裝置名（con.md）、大小寫碰撞、尾點空白在任何平台都一致地拒寫並記錄，而不是 Windows 炸、Linux 默默通過；排序穩定、輸出可 diff。
301 不打破頁
redirect 的新路徑與內文連結改寫共用同一套路由函式——兩者若各寫一份，遲早不同步，301 就打到 404。同一條規則、一個出口，nginx 與 Netlify 格式直接匯出。
評估規畫 → 原型當規格 → 真實資料回歸 → 才發佈
先誠實評估，再工程審查
市場空位查證（主要對手 Firecrawl 的縫：付費雲端、不吃 per-site config、不做雙語配對）、最大風險點名（「用 .NET 寫的」不是賣點，i18n-first 才是）；再加一輪工程審查把「不先定會返工」的項目分級——編碼、Phase 輸出契約、BCP-47、跨平台路徑、測試策略，A 級全部在骨架期落地。
已完成的搬遷當考卷
不是重新發明——把實習時跑通過的 Python 搬遷腳本逐函式移植，每一步用 516 頁真實資料對答案；發現差異就查核到底是 bug 還是改進（空白正規化、跳脫方式、原型丟資料三類），全部記錄在案。
fixture 站＝功能的活文件
合成離線雙語小站，每修一個坑就加一頁重現它（壞圖、不對稱檔名、日期混用、%20、輪播空清單…），golden-file 測試逐 byte 比對；4.6GB 真實資料留本機迴歸，CI 只跑 fixture。
CI 抓到的坑回饋成防護
上 GitHub 首跑，Windows runner 就翻出「CRLF checkout 改變 raw string literal 內容」的本機／CI 行為分歧——當天修測試＋.gitattributes 全 repo 釘 LF 根治，並把坑寫進團隊記憶。
「不做」也明文記錄
不硬配（錯配比漏配傷信任）、Abot 不用（半棄坑，自寫禮貌爬蟲）、ImageSharp 棄用（4.x 起連 build 都要授權金鑰——規畫書預警的風險當場應驗，換 Magick.NET 並把決議寫回規畫書）。
495+ 頁的整站搬遷，先做完才做工具
PolyMigrate 是一次已完成搬遷的產品化：佛光山香雲寺官網（中英雙語、老 PHP 站）——516 頁鏡像、4.6GB 媒體、231 篇雙語文章、13 篇孤兒文章挖回、141 張 EXIF 顛倒照片轉正。移植成工具後用同一批資料逐頁對答案，最後由內建巡檢驗收：1,269 個內部連結、4,116 個媒體引用，0 錯誤。
取了什麼、捨了什麼、為什麼
| 決定 | 取 | 捨 | 理由 |
|---|---|---|---|
| 雙語做核心，非外掛 | 定位最鋒利（the i18n-first migrator） | 單語使用者覺得被綁 | 單語＝只有一組 lang_map 的特例，架構上化解 |
| config 驅動，一站一份 | 搬得深、搬得對 | Firecrawl 式「貼網址即用」 | 認真搬一個站 ≠ 隨手抓一頁；站別知識該顯式存檔 |
| 離線、可重跑、結果固定 | 資料不出機器，重跑可 diff 驗證 | 雲端 API 的便利 | 政府／學校資料敏感又沒預算，三件事都是硬需求 |
| 啟發式只建議，不自動合併 | 清單可信，人保有最終決定權 | 全自動的爽感 | 配錯語言版本比漏配嚴重得多 |
| frontmatter 輸出 BCP-47 | 下游 Astro／Hugo i18n 直接對上 | 與原站 URL 前綴的直覺一致 | URL 前綴是來源站的實作細節，不該外流到輸出 |
| 套件 ID 用 Cornhsu. 前綴 | verified prefix 藍勾勾、作品集一致 | 裸名 PolyMigrate 的品牌感 | 指令名仍是 polymigrate，信任訊號對新工具更重要 |
從管線到上架的具體組成
| 套件 | Cornhsu.PolyMigrate（dotnet tool，指令 polymigrate）＋ Cornhsu.PolyMigrate.Core（抽取／配對／巡檢 lib） · MIT |
| 管線 | 四階段：診斷 → 鏡像 → 結構化抽取 → 匯出；Phase 之間以版本化檔案契約銜接，可只重跑一段不重爬 |
| 抽取 | AngleSharp（CSS selector 抽正文） · ReverseMarkdown（＋markdownify 等效清理） · YamlDotNet（frontmatter 強制引號跳脫） |
| 配對 | 對稱 translation_key 自動配 · 啟發式（共用相簿／slug 日期正規化／標題 bigram）附證據 · 任意語言數，輸出 BCP-47 |
| 影像 | Magick.NET（Apache 2.0）：EXIF AutoOrient → Lanczos 縮圖 · 增量快取可重跑 |
| 品質 | 119 條測試 · 離線 fixture 站（每坑一頁）＋golden-file 逐 byte 比對 · 三平台 CI · 跨平台路徑安全 |
| 發佈 | OIDC Trusted Publishing（無長效金鑰） · 推 tag 即自動測試、打包、上架 NuGet |
MIT 授權開源。雙語 README 含快速開始、一站一份 config 的完整註解範例、Phase 輸出契約文件；真實案例——佛光山香雲寺官網整站搬遷（516 頁、231 篇雙語自動配對、全站巡檢 0 錯誤）。