1. 迁移前先弄清楚的三件事数据形态、目标格式、中转路径在Deepin或UOS上折腾百度脑图迁移到思源笔记这事说白了不是搬文件这么简单。你在百度脑图里画了那么多思维导图真正要迁移的其实是两样东西一是脑图本身的层级关系二是每个节点里承载的文字内容。至于那些花里胡哨的图标、主题颜色、连线样式说实话迁过去之后大概率用不上也没必要纠结。我在Deepin 23上实测过好几次整个过程踩了不少坑最后沉淀下来两条路线一条是利用百度脑图自带的导出功能走导出 → 导入的直通线路另一条是直接解析百度脑图的数据文件用脚本把内容改写成思源笔记能识别的格式。两条路各有适用场景后面我会把细节全部展开。先花点时间把底层的逻辑讲透否则你盲目跟着操作遇到意外情况会不知道怎么处理。1.1 百度脑图的数据到底长什么样百度脑图的底层存储格式是KityMinder的JSON结构。你在网页里打开任意一张脑图浏览器会和服务器交互最终拿到的是一份以root为根节点的嵌套JSON。这个JSON里每个节点有一个data字段里面是text文本内容、image图片信息等下面挂着一个children数组子节点继续递归嵌套。有些朋友可能不知道怎么看这份JSON——最简单的办法在百度脑图编辑页按F12打开开发者工具切到Network面板刷新页面后找返回json数据的请求响应体里就是完整的脑图数据。当然更省事的方式是直接通过百度脑图的另存为功能把文件以.cm格式下载到本地这个文件本质上就是同一份JSON用文本编辑器就能打开。之所以要把数据形态搞清楚是因为它直接决定了方法二的可行性。你在百度脑图里插入的图片、设置的优先级图标、标注的备注信息全部都会出现在JSON的对应字段里。转换脚本如果能识别这些字段迁移后的信息完整性就会高很多如果只盯着text那图片和备注只能放弃。1.2 思源笔记的导入接口有哪些思源笔记的导入路径比百度脑图丰富得多。它原生支持Markdown文件的直接导入也支持OPML、HTML等格式的转换导入。更关键的一点是思源笔记内部对文档的存储本身就是以.md文件为基础每个文档对应一个独立的Markdown文件存放在工作空间的数据目录里。所以迁移思路可以变得非常清晰只要能把百度脑图的层级结构转换成Markdown的有序列表或无序列表思源笔记就能无缝吃掉。你既可以在思源里新建文档后直接把Markdown粘贴进去也可以把.md文件拷贝到思源的工作空间目录下再通过界面刷新识别出文档。这里要提醒一下思源笔记的粘贴为Markdown和使用Markdown导入插件处理逻辑略有差异。粘贴方式更偏向编辑器内的即时转换对大文件、多图片的内容处理效率不高而导入文件方式则会走一遍转换流程稳定性更好。我个人的习惯是小图用粘贴大批量迁移用文件导入。1.3 两条迁移路线的选择逻辑这两条路线不是替代关系而是互补关系。路线一的本质是借道标准格式。百度脑图官方支持导出Markdown、OPML、Text等格式思源笔记又能直接吃Markdown和OPML所以理论上这就是一条官方接口对官方接口的通道不需要写任何代码。路线二的本质是直接啃原始数据。当百度脑图的导出功能受限或者你需要批量处理几十上百张脑图又或者你对导出结果里的图片链接、备注丢失忍无可忍时直接解析KityMinder JSON反而是一条更可控的路。脚本可以统一跑批输出结构整齐的Markdown文档。我建议普通用户先试路线一遇到解决不了的问题再切换到路线二。但如果你平时就有脚本处理数据的习惯路线二的效率和可定制性会明显更高。下面把两条路线的实操细节分开讲。2. 方法一导出再导入五分钟搞定的傻瓜式迁移这条路线的核心操作就三步在百度脑图里导出中转文件在思源笔记里导入或粘贴然后对结果做必要的清理。听起来简单实际做的时候有几个细节需要留意不然容易出现层级错乱和内容丢失的问题。2.1 从百度脑图导出适合中转的文件在百度脑图编辑页的右上角点击菜单按钮那排小图标里找选择导出子菜单会看到支持导出的格式列表Markdown、OPML、Text、XMind、FreeMind、PNG、SVG等。这里的选择要动点脑筋。思源笔记对Markdown的支持最完善所以首选导出Markdown。百度脑图导出的Markdown会用缩进列表的形式呈现脑图的树形结构中心主题变成一级列表项分支主题变成缩进的子列表逻辑上能保住层级关系。OPML也是不错的选择特别是当你的脑图里包含了大量备注信息时OPML可以更好地保留属性字段。但实测下来OPML导入思源后样式还原度不如Markdown粘贴来得干净。Text格式则要谨慎使用它导出的是纯文本缩进结构虽然也能看但层级识别完全依赖缩进的空格数一旦某些节点文字里本身就带换行或空格层级判断就乱了。我实测过一张大约两百个节点的中型脑图导出Markdown后的文件不到40KB思源导入时完全没有压力。但如果你脑图里有大量图片节点导出的Markdown里图片会以远程URL的形式存在后续能不能正常显示取决于网络环境以及你是否对图片做了额外处理。2.2 在思源笔记里吃进这批文件拿到Markdown文件后接下来的操作分两种方式。方式是直接在思源笔记里新建一个文档然后把.md文件的内容全选复制在思源编辑器里右键选择粘贴为Markdown。思源会解析粘贴内容里的Markdown语法把列表缩进转换成对应的层级结构。实测下百度脑图导出的Markdown基本能被正确还原成树形结构嵌套层级、列表符号都不会出错。另一种方式是把.md文件直接拷贝到思源笔记的工作空间数据目录下。思源的工作空间里有一个data文件夹下面按文档树结构存放各个.md文件。你把文件放进去后回到思源界面刷新文档就会出现在对应的位置。这种方式的优点在于可以批量处理——一次性拷贝多个文件刷新后全部识别。不过要提醒一句工作空间目录的结构不是随便放就能被识别的它需要遵循思源自己的文档路径规则。如果你只是想导入单个文件直接在思源里用导入功能最省心如果你想批量塞入一整个分类目录那还是先建好文档树再拷贝文件避免目录层级错乱。2.3 方法一的翻车点图片、层级、特殊字符路线一虽然简单但翻车的地方不少我把自己踩过的坑列出来你们操作时能避开就避开。图片丢失是最大的坑。百度脑图导出的Markdown图片节点的内容会写成类似...的网络链接。如果你的网络环境不稳定或者百度脑图服务器对图片做了访问限制导入思源后图片就裂了。解决办法是先在浏览器里把图片全部下载到本地再在导出的Markdown里把远程链接替换成本地路径。批量替换用编辑器正则就能搞定不值得为这个手改。层级错乱也容易出现。我遇到过一种情况百度脑图里某个节点的文字很长包含了换行符导出Markdown时这个换行符被直接保留下来导致思源解析时认为这个节点下面多了一层子节点结构立刻乱掉。遇到这种情况只能在导入后手动检查明显异常的节点或者回到百度脑图里把长文本节点里的换行清理掉再导出。特殊字符同样需要留意。如果节点文字里包含#、[]、()这类Markdown保留字符直接粘贴进思源后部分字符会被误解析成标题、链接等结构。轻则显示奇怪重则影响整篇文档的解析。最稳妥的做法是导入后逐个检查带有特殊符号的节点或者提前在文本层面做一轮转义处理。路线一适合紧急迁移但如果你对数据完整性有较高要求或者要一次性处理几十张图还是建议直接看路线二脚本处理能规避掉上面这些问题中的大部分。3. 方法二直接解析KityMinder JSON用脚本批量转成思源文档如果你手头有几十张百度脑图或者你导出的Markdown总在图片和层级上出问题那么别折腾官方导出了直接干掉中间环节去解析百度脑图的原始数据文件。这套思路的本质是把KityMinder JSON当作输入源将树形结构转换成思源笔记能识别的Markdown文档再批量导入。3.1 KityMinder JSON结构拆解在写脚本之前必须吃透数据格式。下面是百度脑图文件的一个简化示例包含了一个根节点和两个子节点{ root: { data: { text: 中心主题, expandState: 1, image: { url: https://example.com/image.png, title: 配图, width: 200, height: 150 } }, children: [ { data: { text: 分支主题A, priority: 1 }, children: [ { data: { text: 子节点A1 } } ] }, { data: { text: 分支主题B, note: 备注内容 } } ] }, template: default, theme: fresh-blue }节点的核心字段包括text节点显示文本最基本的字段迁移时必取。image图片信息对象包含URL、宽高等如果需要保留图片这里就是来源。priority优先级图标一般保留不了但可以通过文本前缀如【高】来模拟。note备注信息思源中的对应物是Markdown的引用块或普通段落可以拼在节点文本下方。children子节点数组递归遍历的依据。理解了这个结构脚本的大方向就清晰了用深度优先遍历先输出当前节点的文本再根据层级深度决定缩进量遇到children就递归处理遇到note就在节点下面补一行引用块遇到image就输出成图片语法。3.2 转换脚本的完整实现我用的Python环境在Deepin上跑脚本没有任何障碍。下面给出一份可以直接用的转换脚本它能把.cm百度脑图导出的JSON文件转换成包含该脑图全部内容的Markdown文件import json import sys import datetime def parse_node(node, depth, md_lines): 递归解析KityMinder节点输出Markdown列表 data node.get(data, {}) text data.get(text, ).strip() if not text: text 未命名节点 # 生成缩进前缀用两个空格表示一层 indent * depth md_lines.append(f{indent}- {text}) # 处理备注信息 note data.get(note, ).strip() if note: # 在节点下方添加引用块样式的备注 note_lines note.split(\n) for nl in note_lines: md_lines.append(f{indent} {nl}) # 处理图片信息 image data.get(image) if image and image.get(url): img_url image[url] img_title image.get(title, image) md_lines.append(f{indent} ) # 递归处理子节点 children node.get(children, []) for child in children: parse_node(child, depth 1, md_lines) def convert_cm_to_md(cm_file, md_file): 将KityMinder JSON文件转换为Markdown with open(cm_file, r, encodingutf-8) as f: data json.load(f) root data.get(root, {}) md_lines [] # 给导出的文档增加一个标题取自根节点文字 root_text root.get(data, {}).get(text, 思维导图) md_lines.append(f# {root_text}) md_lines.append() md_lines.append(f 由百度脑图迁移转换时间{datetime.date.today()}) md_lines.append() parse_node(root, 0, md_lines) with open(md_file, w, encodingutf-8) as f: f.write(\n.join(md_lines)) print(f转换完成{md_file}) print(f共输出 {len(md_lines)} 行内容) if __name__ __main__: if len(sys.argv) ! 3: print(用法python3 cm2md.py 输入.cm文件 输出.md文件) sys.exit(1) convert_cm_to_md(sys.argv[1], sys.argv[2])这个脚本的核心逻辑不复杂但有几个细节我特意做了处理第一个是root节点的处理。百度脑图的根节点通常是一个没有子级中心主题如果直接把它当作列表项输出生成的Markdown开头会多出一个孤零零的列表项。我选择把根节点文字提取出来作为文档的一级标题这样既利用了根节点信息又避免了层级上的冗余。第二个是备注的格式。思源笔记的编辑器对引用块解析很成熟开头的行会被渲染成引用样式。我把备注逐行拼到节点文本下方并用缩进保证它视觉上隶属于该节点。这样在思源里打开文档备注信息也能一眼看出来。第三个是图片的降级处理。脚本里的保留了图片链接但要注意百度脑图里的图片URL是临时生成的授权链接有时效性。如果你直接把文件导入思源过一段时间图片链接可能失效。更稳妥的做法是脚本运行前先用浏览器或下载工具把图片批量保存到本地再在生成的Markdown里用正则替换成相对路径。3.3 如何把结果安全导入思源脚本输出的是一个个独立的Markdown文档。导入思源有两种方式我都实测过。一种是新建文档后粘贴内容。打开思源在左侧文档树里定位到目标位置新建文档把生成的Markdown全选复制右键粘贴为Markdown。这种方式适合单张脑图迁移操作直观。另一种是批量文件导入。思源在设置里提供了导入功能可以直接导入Markdown文件。对于几十张脑图你可以把脚本生成的.md文件全部收集到一起用思源的批量导入一次性完成。实测中批量导入几十个文件思源的处理速度和稳定性都表现不错唯一的风险是导入后的文档名可能和你预期不一致——脚本里是用根节点文字作为标题如果多个脑图的根节点文字相同会产生同名文档需要在导入前统一重命名。这里要特别提醒导入完成后务必抽查几篇文档重点看三层以上的嵌套结构是否被正确缩进、备注是否出现在正确的位置。思源对列表嵌套的解析逻辑和百度脑图有细微差异偶尔会出现层级排序错位的情况。我在实测中就遇到过某个四级子节点被思源识别成三级的情况抽查能帮你尽早发现问题避免日后再返工。4. 实测对比与经验总结选哪条路看什么条件两条路线都实际操作过之后最终的取舍并不是哪个更先进而是哪个更适合你的现状。我做了个对比帮助你在动手前快速定位。对比维度方法一官方导出方法二JSON脚本解析操作门槛低无需代码中需要Python基础单张脑图耗时5分钟以内脚本配置好后1分钟内批量处理能力差需逐张操作强一次性跑批图片保留依赖网络链接易失效可控可配合本地图片路径备注信息部分丢失可完整保留层级结构基本保留但易受换行影响严格按JSON层级输出可控性强特殊字符处理导入后易误解析可在脚本里提前转义适用场景少量脑图、急需迁移大量脑图、对数据完整性要求高这张表基本能回答选哪条路的问题了。如果你只是想把一两张常用的脑图搬到思源里完全没有必要为了写脚本花半小时但如果你手头有几十张积累了多年的脑图方法二的性价比优势会非常明显。4.1 两条路线的适用边界方法一的边界在于量和质的双重限制。量上每次操作都要打开百度脑图、选择导出、再切换思源导入五十张图光操作时间就够你喝一壶质上遇到长文本换行、图片链接失效、特殊字符误解析这三大拦路虎每处理一个问题都要回到源文件修改效率极低。方法二的边界则在于你是否具备基础的脚本阅读能力。虽然脚本我已经写好了但实际使用中你大概率需要根据自己的脑图结构调整细节比如某些节点有priority字段要转成文本前缀或者某些节点有自定义属性需要特殊处理。这些都需要你读懂代码才能改。如果你完全不会编程又不想学那还是老老实实走方法一。另一个容易被忽视的边界是数据规模。如果你的脑图里包含大量图片节点方法二中的图片URL问题在批量导入时会成为瓶颈——几十张图你还能手动下载几百张图就需要写爬虫脚本了。所以我的建议是对于图片密集型脑图不管用哪种方法都要提前做好图片资产的独立备份不要把希望全寄托在迁移脚本上。4.2 迁移后必做的三项整理无论用哪条路线迁移到思源之后都别急着把百度脑图清空先花十分钟做三件事。第一件事是建立双链链接。思源笔记的核心能力是双链但迁移过来的文档只是普通的树形结构没有任何链接关系。你需要根据脑图内容之间的关联手动在相关文档里加上[[链接]]。这一步是思维导图向知识库升级的关键也是迁移的最大增值点。第二件事是统一文档命名。百度脑图的节点文字在迁移后大概率会被思源直接用作文档标题但这些标题未必符合你的笔记体系规范。趁内容还热乎批量调整文档命名把命名规则统一成主题-子主题或者日期-主题这样的格式日后查找会轻松很多。第三件事是整理标签体系。百度脑图里同一主题下的分支其实已经暗示了潜在的标签关系。你可以把一级分支的名称提取出来作为文档的标签打上去。比如一个产品规划的脑图拆成了需求分析、技术方案、排期计划三个分支那迁移后的三篇文档就可以分别打上对应的标签。4.3 几个值得记录的实操细节最后分享几个操作中的小经验都是实打实踩出来的。在Deepin/UOS上安装思源笔记记得去官网下载对应的deb包安装时用sudo dpkg -i命令如果提示依赖缺失补一句sudo apt -f install就能解决。有段时间思源笔记的Linux版本对中文字体渲染优化不好如果发现字体发虚可以在系统设置里安装fonts-noto-cjk字体包效果立竿见影。批量转换脚本在Deepin下运行文件路径最好不要包含中文和空格符号否则部分Python版本在读取sys.argv参数时容易出编码问题。如果你一定要放在中文目录可以在脚本里用os.path模块手动拼接路径绕开命令行参数解析。另外百度脑图的.cm文件用文本编辑器打开时如果看到乱码不用慌那是JSON里的Unicode转义字符我建议直接把文件拖进Python脚本处理不要在编辑器里强行编辑。脚本读出来的是纯文本结构字符编码问题交给Python的utf-8默认处理即可。整个迁移过程做下来我最大的感受是百度脑图作为云端工具在快速记录和分享场景下依然好用但如果你追求的是长期、稳固、可自由组合的知识资产把内容沉淀到思源笔记这样的本地知识库里才是更踏实的选择。数据握在自己手里后续怎么组织、怎么链接主动权就完全由你掌控了。