帮助:导出

维基教科书帮助

关于维基教科书
常见问题解答
词汇表

导航

页面
跟踪变更
帐户管理

贡献

编辑
分类
文件
表格
模板
变量
公式
测验
样式
集合
导入

维基页面可以使用特殊 XML 格式导出，以便导入到其他 MediaWiki 安装中，或者以其他方式使用，例如分析内容。

如何导出

至少有四种方法可以导出页面

• 在 特殊：导出 中将文章名称粘贴到框中，或使用 URL//wikibooks.cn/wiki/Special:Export/article's_name。您可以在 特殊：所有页面 中获取所有页面名称（在指定命名空间中）的列表。
• 备份脚本dumpBackup.php将所有维基页面转储到一个 XML 文件中。dumpBackup.php仅适用于 MediaWiki 1.5 或更高版本。您需要直接访问服务器才能运行此脚本。Mediawiki 项目的转储（或多或少）定期提供在 http://download.wikipedia.org。
• 有一个 OAI-PMH 接口可以定期获取自特定时间以来修改过的页面。对于维基媒体项目，此接口不可公开使用。OAI-PMH 包含围绕实际导出文章的包装格式。
• 使用 Python 维基百科机器人框架。这里不会解释。

默认情况下，只包含页面的当前版本。您可以选择获取所有版本，包括日期、时间、用户名和编辑摘要。

此外，您可以复制 SQL 数据库。这就是在 MediaWiki 1.5 之前如何提供数据库转储，这里不再详细说明。

使用“特殊：导出”

首先，您需要知道要导出的页面的名称。要导出命名空间中的所有页面

• 使用 特殊：所有页面 并选择所需的命名空间。
• 将页面名称列表复制到文本编辑器中
• 将所有名称放在单独的行上
• 如果所选命名空间不是主命名空间：在页面名称之前插入命名空间前缀，例如“帮助：目录”

现在您已准备好执行导出。

• 转到 特殊：导出 并将所有页面名称粘贴到文本框中，确保没有空行。
• 单击“提交查询”
• 使用浏览器的保存功能将生成的 XML 保存到文件中。

最后...

• 在文本编辑器中打开 XML 文件。滚动到底部以检查错误消息。

现在可以使用此 XML 文件 执行导入。

导出格式

您收到的 XML 文件的格式在所有方面都相同。它在 XML 模式 中进行了编码，位于 http://www.mediawiki.org/xml/export-0.3.xsd 此格式不适合在 Web 浏览器中查看。一些浏览器会向您显示带有“+”和“ - ”链接的漂亮打印的 XML，以查看或隐藏选定部分。或者，可以使用浏览器的“查看源代码”功能查看 XML 源代码，或者在将 XML 文件本地保存后，可以使用您选择的程序查看它。如果您直接读取 XML 源代码，您将不会很难找到实际的维基文本。如果您不使用特殊的 XML 编辑器，“<”和“>”会显示为“&lt;”和“&gt;”，以避免与 XML 标记冲突；为了避免歧义，“&”被编码为“&amp;”。

在当前版本中，导出格式不包含维基标记的 XML 替换（请参阅 维基百科 DTD，了解更早的建议）。您只会获得编辑文章时获得的维基文本。

示例

  <mediawiki xml:lang="en">
    <page>
      <title>Page title</title>
      <restrictions>sysop</restrictions>
      <revision>
        <timestamp>2001-01-15T13:15:00Z</timestamp>
        <contributor><username>Foobar</username></contributor>
        <comment>I have just one thing to say!</comment>
        <text>A bunch of [[text]] here.</text>
        <minor />
      </revision>
      <revision>
        <timestamp>2001-01-15T13:10:27Z</timestamp>
        <contributor><ip>10.0.0.2</ip></contributor>
        <comment>new!</comment>
        <text>An earlier [[revision]].</text>
      </revision>
    </page>
    
    <page>
      <title>Talk:Page title</title>
      <revision>
        <timestamp>2001-01-15T14:03:00Z</timestamp>
        <contributor><ip>10.0.0.2</ip></contributor>
        <comment>hey</comment>
        <text>WHYD YOU LOCK PAGE??!!! i was editing that jerk</text>
      </revision>
    </page>
  </mediawiki>

DTD

这里有一个非官方的简短 文档类型定义 版本的格式。如果您不知道 DTD 是什么，请忽略它。

<!ELEMENT mediawiki (siteinfo,page*)>
<!-- version contains the version number of the format (currently 0.3) -->
<!ATTLIST mediawiki
  version  CDATA  #REQUIRED 
  xmlns CDATA #FIXED "http://www.mediawiki.org/xml/export-0.3/"
  xmlns:xsi CDATA #FIXED "http://www.w3.org/2001/XMLSchema-instance"
  xsi:schemaLocation CDATA #FIXED
    "http://www.mediawiki.org/xml/export-0.3/ http://www.mediawiki.org/xml/export-0.3.xsd"
>
<!ELEMENT siteinfo (sitename,base,generator,case,namespaces)>
<!ELEMENT sitename (#PCDATA)>      <!-- name of the wiki -->
<!ELEMENT base (#PCDATA)>          <!-- url of the main page -->
<!ELEMENT generator (#PCDATA)>     <!-- MediaWiki version string -->
<!ELEMENT case (#PCDATA)>          <!-- how cases in page names are handled -->
   <!-- possible values: 'first-letter' | 'case-sensitive'
                         'case-insensitive' option is reserved for future -->
<!ELEMENT namespaces (namespace+)> <!-- list of namespaces and prefixes -->
  <!ELEMENT namespace (#PCDATA)>     <!-- contains namespace prefix -->
  <!ATTLIST namespace key CDATA #REQUIRED> <!-- internal namespace number -->
<!ELEMENT page (title,id?,restrictions?,(revision|upload)*)>
  <!ELEMENT title (#PCDATA)>         <!-- Title with namespace prefix -->
  <!ELEMENT id (#PCDATA)> 
  <!ELEMENT restrictions (#PCDATA)>  <!-- optional page restrictions -->
<!ELEMENT revision (id?,timestamp,contributor,minor?,comment,text)>
  <!ELEMENT timestamp (#PCDATA)>     <!-- according to ISO8601 -->
  <!ELEMENT minor EMPTY>             <!-- minor flag -->
  <!ELEMENT comment (#PCDATA)> 
  <!ELEMENT text (#PCDATA)>          <!-- Wikisyntax -->
  <!ATTLIST text xml:space CDATA  #FIXED "preserve">
<!ELEMENT contributor ((username,id) | ip)>
  <!ELEMENT username (#PCDATA)>
  <!ELEMENT ip (#PCDATA)>
<!ELEMENT upload (timestamp,contributor,comment?,filename,src,size)>
  <!ELEMENT filename (#PCDATA)>
  <!ELEMENT src (#PCDATA)>
  <!ELEMENT size (#PCDATA)>

处理 XML 导出

无疑有很多工具可以处理导出的 XML。如果您处理大量页面（例如整个转储），您可能无法将文档加载到主内存中，因此您将需要一个基于 SAX 或其他事件驱动方法的解析器。

您也可以使用正则表达式来直接处理 XML 代码的部分。这可能比其他方法更快，但不建议使用，因为很难维护。

请在这里列出处理 XML 导出的方法和工具

• Parse::MediaWikiDump 是一个用于处理 XML 转储文件的 perl 模块。
• m:使用 STX 处理 MediaWiki XML - 基于流的 XML 转换
• m:IBM 历史流项目 可以应用一个小型的 Python 程序 export-historyflow-expand.py 后读取它。

详细信息和实用建议

• 要确定页面的命名空间，您必须将其标题与在

/mediawiki/siteinfo/namespaces/namespace

• 中定义的前缀进行匹配
  • 可能的限制是sysop