我本来想尝试一下黑客攻击MediaWiki的代码，但是后来发现如果能够获得一个独立的解析器，这样做就不必要了。
有人可以帮助我吗？
谢谢。
2个回答
6
Ben Hughes说得对。特别是如果你想要以100%的准确性解析来自维基百科等大型维基网站的真实文章，这将非常困难。这个问题经常在wikitech邮件列表中讨论，尽管有许多尝试，但没有其他可替代的解析器能够胜任。
首先，它实际上并不是一个解析器，因为它没有抽象语法树（AST）的概念。它是一个专门将文本转换为HTML的转换器。
其次，不要陷入认为维基文本是一个可以偶尔使用HTML扩展的标记语言的陷阱。你必须把它看作是HTML的扩展。向HTML解析器添加维基文本支持比向维基文本解析器添加HTML支持容易得多。
总之，如果你想要任何其他格式，你需要从HTML转换到该格式。
基本上，只有MediaWiki可以解析维基文本。但是，解析器与其他代码紧密集成。有经验的MediaWiki黑客对于隔离解析器的问题反应不佳 - 我已经尝试过了(-:
但我还是隔离了它。它还不完整，也没有准备好与任何人分享。但基本上，你需要从未安装或连接到数据库或Web服务器的MediaWiki源代码开始。创建一个包含解析器的PHP存根程序，并调用入口点。当它无法运行时检查错误并制作一个虚假的存根类、函数或全局变量。重复这个过程，直到你已经为解析器与MediaWiki的大部分交互位置制作了存根。
然后问题就来了，如何保持你的黑客存根版本与源代码树的同步，因为源代码树变化很快，现有的维基网站会非常快地接受解析器的变化，如果你想要让它在未来继续工作，你的变体也必须跟上变化。
请查看我的功能请求：Bug 25984 - 隔离解析器与数据库依赖关系。
首先，它实际上并不是一个解析器，因为它没有抽象语法树（AST）的概念。它是一个专门将文本转换为HTML的转换器。
其次，不要陷入认为维基文本是一个可以偶尔使用HTML扩展的标记语言的陷阱。你必须把它看作是HTML的扩展。向HTML解析器添加维基文本支持比向维基文本解析器添加HTML支持容易得多。
总之，如果你想要任何其他格式，你需要从HTML转换到该格式。
基本上，只有MediaWiki可以解析维基文本。但是，解析器与其他代码紧密集成。有经验的MediaWiki黑客对于隔离解析器的问题反应不佳 - 我已经尝试过了(-:
但我还是隔离了它。它还不完整，也没有准备好与任何人分享。但基本上，你需要从未安装或连接到数据库或Web服务器的MediaWiki源代码开始。创建一个包含解析器的PHP存根程序，并调用入口点。当它无法运行时检查错误并制作一个虚假的存根类、函数或全局变量。重复这个过程，直到你已经为解析器与MediaWiki的大部分交互位置制作了存根。
然后问题就来了，如何保持你的黑客存根版本与源代码树的同步，因为源代码树变化很快，现有的维基网站会非常快地接受解析器的变化，如果你想要让它在未来继续工作，你的变体也必须跟上变化。
请查看我的功能请求：Bug 25984 - 隔离解析器与数据库依赖关系。
- hippietrail
1
1现在至少有一些文档可供参考了... (https://doc.wikimedia.org/mediawiki-core/master/php/classParser.html#details) - mb21
3
实际上，这是一种非常难以解析的格式。您可以尝试将解析器组件从MediaWiki中分离出来（因为它也是PHP），但它是一个混乱的麻烦。我见过一些部分独立的解析器，对于极其有限的标记子集，它们做得相当不错。
如果您恰好实现了其中之一，或重构了当前的维基百科解析器，请告诉我，因为它可能非常有用。
- Ben Hughes
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接