¿Cómo codifica Wikipedia (o MediaWiki en general) los títulos de página en URI? No es una codificación URI normal, ya que los espacios se reemplazan con guiones bajos y las comillas dobles no están codificadas y cosas por el estilo.Wikipedia (MediaWiki) Esquema de codificación URI
http://en.wikipedia.org/wiki/Wikipedia:Naming_conventions_%28technical_restrictions%29 - aquí tiene algún tipo de descripción de lo que su motor aplica a los nombres de los artículos.
Deben tener algo como esto en su LocalSettings.php: $ wgArticlePath = '/ wiki/$ 1';
y el servidor URI correcto reescribe la configuración; parece que están usando Apache (encabezado HTTP), por lo que probablemente sea mod_rewrite. http://www.mediawiki.org/wiki/Manual:Short_URL
También puede hacer referencia al archivo index.php para un artículo en la Wikipedia como esto: http://en.wikipedia.org/w/index.php?title=Foo%20bar y redirigidos por el motor a http://en.wikipedia.org/wiki/Foo_bar. Detrás de las escenas, mod_rewrite lo traduce a /index.php?title=Foo_bar. Para el motor de MediaWiki es lo mismo que si visitaras http://en.wikipedia.org/w/index.php?title=Foo_bar - esta página no te redirecciona.
El proceso es bastante complejo y no es exactamente bonito. Debe consultar la clase Title que se encuentra en includes/Title.php. Debe comenzar con el método newFromText, pero la mayor parte de la lógica está en el método secureAndSplit.
Tenga en cuenta que (como siempre con MediaWiki) el código no está desacoplado en lo más mínimo. Si desea replicarlo, necesitará extraer la lógica en lugar de simplemente reutilizar la clase.
La lógica es como la siguiente:
Apple#Name../directory/page)~~~) (por alguna razón)Por otra parte, creo que estoy en lo correcto al decir que las comillas no necesitan ser codificadas por el usuario original; los navegadores pueden manejarlas de forma transparente.
Espero que ayude!
¿Y cómo se procesan los nombres de sección ([[Nombre de Apple # aquí]], el bit # Nombre_aquí)? Dijiste 'eliminar fragmentos hash' como si se hubieran ignorado. –
"Prohibir secuencias de triple tilde (~~~) (por alguna razón)" - Triple tildes [están expandidas] (https://www.mediawiki.org/wiki/Help:Signatures) a las firmas en la página de guardar, por lo que hace sentido de no permitirlos en los títulos (sería complicado o imposible vincular a dicha página). – leo
Creo que 'mod_rewrite' no reescribe las URL a' index.php? Title = Foo_bar'. Los enlaces se reescriben (si acaso) para 'indexar.php/Foo_bar' y luego leído por '$ _SERVER ['REQUEST_URI']' o algo similar. – lonesomeday