2010年前我们主要使用MediaWiki平台来建网站，2011年后改用更为通用的Drupal内容管理系统，新网站就用Drupal搭建，而老的Wiki网站就维持运行、管理留言等，两个系统中可能有一部分相同的内容，都是独立导入添加的。现在想把一个MediaWiki中用户创建的页面内容迁移到Drupal网站中，思路是从MediaWiki导出XML文件，变换为CSV格式，然后导入Drupal站，具体记录如下：
- 获取需要迁移内容的页面标题：如果数量不多可以直接复制下来或者从分类页、搜索结果、DPL列表等地方复制，如果是同属于一个分类且页面比较多而又不超过5000条可以用[[特殊:导出页面]]中的“从分类添加页面”功能获取标题，如果有成千上万的页面就可以用SQL命令直接从数据库获取，例如SELECT jinglepage.page_title FROM `jinglepage` join `jinglecategorylinks` on jinglepage.`page_id`= `jinglecategorylinks` . `cl_from` WHERE jinglecategorylinks.`cl_to`= '骗子号码' and jinglepage.`page_namespace` = 0 ；
- 导出XML文件：如果不超过5000页，可以用[[特殊:导出页面]]，把标题列表复制到输入框中，勾选“仅包含当前版本，而不是完整历史”，不勾选“包含模板”，勾选“另存为文件”，点击按钮“导出”就可以，如果页面数量超过5000页，可以分多次进行，也可以用maintenance/dumpBackup.php来进行，带参数pagelist指定页面列表文件；
- XML转CSV文件：尝试了直接在Drupal中用Feeds导入XML但不成功，就还是先转为熟悉的CSV格式，办法是自己编写一段小程序xml2csv.php（程序例子见下面）；
- CSV导入Drupal站：使用Feeds模块，设置导入策略、映射关系，就可以把CSV文件导入。
自己编写的xml2csv.php主要内容如下：
<?php
/*
* xml to csv convert
* input example: *.xml
* input fields: from mediawiki: title, ns, id, revision etc.
* output example: *.csv
* output fields: title, body, tags
* james qi 2016-4-7
*/
//print $argc;
ini_set('memory_limit','1024M');
if ( isset( $argv[1] ) ) {
$xml_file_name = $argv[1];
} else {
print "please provide xml file name arg\n";
exit;
}
if ( isset( $argv[2] ) ) {
$limit = $argv[2];
} else {
$limit = -1;
}
$path_input = ".";
$name_input = $xml_file_name;
$path_output = $path_input;
$name_output = "$xml_file_name.csv";
$file_input = "$path_input/$name_input";
$file_output = "$path_output/$name_output";
$f_input = fopen($file_input,"r");
$f_output = fopen($file_output,"w");
$xml_array=simplexml_load_file($name_input); //将XML中的数据,读取到数组对象中
$siteinfo = $xml_array->siteinfo;
$page = $xml_array->page;
//print_r($siteinfo);
//print_r($page);
$count = 0;
$head = "title\tbody\ttags";
fwrite( $f_output, "$head\n" );
foreach($xml_array as $key=>$tmp){
if ($key == 'siteinfo') continue;
$count++;
$title = $tmp->title;
$ns = $tmp->ns;
$id = $tmp->id;
$revision = $tmp->revision;
$revision_id = $revision->id;
$revision_timestamp = $revision->timestamp;
$revision_text = $revision->text;
echo "count=$count, title=$title, revision_timestamp=$revision_timestamp\n";
$body = str_replace('<!--请在下面补充骗术细节-->{{骗子号码提示}}{{号码页面顶部}}','',$revision_text);
$body = str_replace('<!--请在上面补充骗术细节-->{{号码页面底部}}<!--不要删除或者修改本行-->','',$body);
$body = str_replace('特殊:用户贡献/','',$body);
$body = str_replace('<!--不要删除或者修改本行-->','',$body);
$body = str_replace('“[[{{PAGENAME}}]]”','这',$body);
$output_line = "$title\t\"$body\"\t骗子曝光";
fwrite( $f_output, "$output_line\n" );
}
fclose ($f_input);
fclose ($f_output);
?>
评论