Si cela peut sembler simple au premier abord, il y a tout de même certaines choses à respecter.

Les pages peuvent contenir des caractères spéciaux. Par exemple sous Windows, le double point n’est pas autorisé. En Java, il ne semble pas qu’il existe une fonction qui sache convertir un nom de fichier en ne substituant que chaque caractère non valide [1].

Un autre aspect concerne les slashs. De nombreux wikis utilisent le slash comme marqueur de sous-page. (Voir l’aide de Subpages chez MediaWiki).

Enfin et c’est le pire: Windows n’est pas sensible à la différence minuscules-majuscules («case sensitive» en anglais). Les fichiers MaPage.mediawiki et Mapage.mediawiki sont les mêmes pour le système de fichiers de Windows. Pourtant pour MediaWiki il peut exister deux pages différentes portant ce nom. Autrement dit, sans faire attention on se retrouvera avec de belles collisions sur le disque dur.

Ma solution:
Après différents essais, il me semble que le plus simple est d’utiliser la méthode suivante:

1) Utiliser la fonction URLEncoder.encode(..) pour convertir tous les caractères spéciaux (par exemple « : » en « %3A ».) Cette fonction en fait un petit peu trop, car de nombreux caractères qui seraient acceptables dans un nom de fichier sont également convertis.

2) Éventuellement, limiter ce nom de fichier encodé à une certaine taille (pour le moment j’ai réduit le nombre de caractères à 100).

3) Ajouter l’ID de la page (pageid chez MediaWiki) comme suffixe. Ceci permet de faire deux fichiers différents pour MaPage et Mapage, car ces deux pages n’auront pas le même ID.

Résultat:
Cela nous donne quelque chose comme:

Ce n’était pas vraiment ce que je m’étais imaginé en me lançant dans cette tâche, mais c’est le moyen le plus «propre» pour obtenir quelque chose qui marche. Pas certains que les outils qui convertissent une instance MediaWiki en répertoire Git se soient donnés autant de mal.

[1] Voir: Sackoverflow – How can I safely encode a string in Java to use as a filename?

Comme souvent quand on a ce genre d’idées avec des outils open source, on n’est pas le seul. D’autres l’ont déjà fait avant moi. Voici la liste des projets que j’ai identifiés.

Levitation
Code: http://github.com/scy/levitation

Plus d’informations avec l’annonce du projet sur le blog ainsi que cette ancienne version de la FAQ

levitation-perl (perl)
Code: http://github.com/sbober/levitation-perl

Cet article de blog parle de ce projet (l’auteur a également fait des modifications à ce projet que l’on retrouve dans ce fork).

git-mediawiki (ruby)
Code: http://github.com/singpolyma/git-mediawiki

mw-to-git (perl)
Code: http://github.com/git/git/tree/pu/contrib/mw-to-git
(dossier contrib du projet officiel git)

Plus d’explications sur ce wiki. Il s’agit d’un projet d’étudiants dont l’énoncé est disponible (en français).

autres références

http://en.wikipedia.org/wiki/User:Singpolyma/git-mediawiki

http://article.gmane.org/gmane.comp.version-control.git/167560

Mon choix
Je n’ai pas encore fait l’évaluation des différents outils, mais voici mes critères.

• Simplicité du programme.
• Organisation des fichiers après le checkout d’une version donnée (arborescence, présence des méta-informations…)
• Possibilité de s’abonner aux dernières modifications (via RSS par exemple) pour mettre à jour le dépôt git.

Quelques tests nécessaires en perspective…