WordPressで構築していたサイトがあるのですが、どうもブログとしてかいていくのには不向きなネタっぽいので、事典的に使えるMediaWikiに移行することを考えた。
※このデータはカテゴリー、タグ、通常の投稿のみがはいったものです
コンバートする前にまず行わなくてはいけないこと。
目次
- 1 WXR形式のファイルをダウンロード
- 2 検索置換
- 2.1 ヘッダー・フッターをまずは入れ替え
- 2.2 [正規表現]タームIDを除去
- 2.3 [正規表現]カテゴリーニックネームIDを除去
- 2.4 [正規表現]親カテゴリー情報を除去
- 2.5 [正規表現]親カテゴリー名を整形
- 2.6 [正規表現]親カテゴリー名を整形
- 2.7 未分類を削除
- 2.8 タグを変更
- 2.9 [正規表現]タグスラッグ除去
- 2.10 [正規表現]カテゴリー説明文を本文へ
- 2.11 <wp:tag_name>を<title>に
- 2.12 <wp:term>～</wp:term>削除
- 2.13 generator削除
- 2.14 item>の置換
- 2.15 [正規表現]いらないタグを除去する
- 2.16 一時的に閉じタグを除去する
- 2.17 タグの置換をチェック
- 2.18 ページ内容・HTMLのチェック
- 2.19 [正規表現]classを除去する
- 2.20 画像
- 2.21 内部リンク
- 3 外部リンク
WXR形式のファイルをダウンロード
WordPressのツールにある、エクスポート機能を使ってデータをダウンロードします。
<?xml version="1.0" encoding="UTF-8" ?>
<!-- This is a WordPress eXtended・・・・というファイルが落ちてくるので、それを秀丸で開きます。
検索置換
ヘッダー・フッターをまずは入れ替え
<?xml ～略～</wp:author>上記ヘッダーを除去してしまう。
こちらに入れ替え
<mediawiki xmlns="http://www.mediawiki.org/xml/export-0.10/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.mediawiki.org/xml/export-0.10/ http://www.mediawiki.org/xml/export-0.10.xsd" version="0.10" xml:lang="ja">最後に閉じている
</rss>を
</mediawiki>に置換
[正規表現]タームIDを除去
タームIDを除去する
<wp:term_id>((\d)+)</wp:term_id>↓
削除
[正規表現]カテゴリーニックネームIDを除去
カテゴリーニックネームを除去する。
<wp:category_nicename>(.)+</wp:category_nicename>↓
削除
[正規表現]親カテゴリー情報を除去
親カテゴリー情報を除去する
<wp:category_parent>(.)+</wp:category_parent>↓
削除
[正規表現]親カテゴリー名を整形
<wp:cat_name>((.)+)</wp:cat_name>↓
<title>Category:\1</title>[正規表現]親カテゴリー名を整形
<wp:cat_name>((.)+)</wp:cat_name>↓
<title>Category:\1</title>未分類を削除
<wp:category>
<title>Category:未分類</title>
</wp:category>↓
削除
タグを変更
wp:category>↓
page>
wp:tag>↓
page>[正規表現]タグスラッグ除去
タグスラッグを除去する
<wp:tag_slug>((.)+)</wp:tag_slug>↓
削除
[正規表現]カテゴリー説明文を本文へ
<wp:category_description>((.)+)</wp:category_description>↓
<revision>
<text xml:space="preserve">\1</text>
</revision><wp:tag_name>を<title>に
タイトルは改行してはいけない。<title>●●●</title>とする。
XMLなので、エンティティ化しないとうまく読み込めないことも。&等。
wp:tag_name>↓
title><wp:term>～</wp:term>削除
<wp:term>～</wp:term>で囲われたところがあるのでまとめて削除する
↓
削除
generator削除
generatorはいらないので削除
<generator>****</generator>↓
削除
item>の置換
item>↓
page>[正規表現]いらないタグを除去する
<excerpt:encoded></excerpt:encoded>↓
削除
<wp:post_id>(.)+</wp:post_id>↓
削除
<wp:post_date>(.)+</wp:post_date>↓
削除
<wp:post_date_gmt>(.)+</wp:post_date_gmt>↓
削除
<wp:comment_status>(.)+</wp:comment_status>↓
削除
<wp:ping_status>(.)+</wp:ping_status>↓
削除
<wp:post_name>(.)+</wp:post_name>↓
削除
<link>(.)+</link>↓
削除
<wp:(.)+$↓
削除
</wp:postmeta>↓
削除
<pubDate>(.)+</pubDate>↓
削除
<dc:creator>(.)+</dc:creator>↓
削除
<guid(.)+/guid>↓
削除
<content:encoded>↓
<revision>
</content:encoded>↓
</text>
</revision><category domain="category" nicename="(.)+">((.)+)↓
[[Category:\2<category domain="post_tag" nicename="(.)+">((.)+)↓
[[Category:\2</category>↓
]]一時的に閉じタグを除去する
改行とタブを全て消した状態で、
</text></revision>↓
削除
タグの置換をチェック
タグ（MediaWikiなので、カテゴリーに変更します）のページ内容に「××のカテゴリ」を入れます。
<title>((.)+)</title></text></revision>↓
<title>\1</title><revision><text xml:space="preserve">\1のカテゴリ。</text></revision>ページ内容・HTMLのチェック
<img>はいらなければ除去する
置換して、アップされている画像をMediaWikiに移設する場合は以下の通り。
※example.comを例にしています
※WordPressはファイルがかぶらないようになっているのでなんとかなります
[正規表現]classを除去する
altの除去
class=[\'"]([^\'"]+)[\'"]↓
削除
alt=[\'"]([^\'"]+)[\'"]↓
削除
width=[\'"]([^\'"]+)[\'"]↓
削除
height=[\'"]([^\'"]+)[\'"]↓
削除
画像
<img((.)+)src=[\'"]([^\'"]+)[\'"]((.)+)>↓読み込めるファイルに変換する
[[File:\2]]\[\[File:http://(.)+/wp-content/uploads/(.)+/(.)+/((.)+)\]\]↓URLを除去する（http://～uploads/xx/xx/フォルダのところ）
[[File:\4]]内部リンク
エクスポートしたWordPressサイトのaタグのリンク先を変更する。
※example.comはWordPressサイトのURL
<a(.)+href=\"http://example.com(.)+\">↓タイトルをリンクに変更する（※MediaWikiにページとして、インポートするのを前提で）
[[</a>↓
]]外部リンク
<a(.)+href=\"((.)+)\"((.)*)>((.)+)</a>↓タイトルをリンクに変更する（※MediaWikiにページとして、インポートするのを前提で）
[\2 \4]target="_blank"↓
削除
<wbr />タグ
改行してもいいよタグなので、これはそのままで。
CDATAに変換
タグを入れてしまうとうまく読み込まれないため、CDATAで囲う
でも、思ったようにはうまくいかないことも。
タグは外しておいたほうがいいかもしれないが、ネストしたリストなどが難しいので悩むところ・・・。
<text xml:space="preserve">↓
<text xml:space="preserve"><![CDATA[</text>↓
]]></text>attachment
画像などの添付ファイルもダウンロードしてしまったら、その記事を除去しておきます。
