如何从SQL备份读取旧MediaWiki（1.16版本）页面文本？

你的猜测完全正确！MediaWiki 1.16版本确实把页面核心内容存在text表中，你看到的二进制编码其实是因为内容默认做了gzip压缩处理，所以直接读取会显示乱码。我之前处理过类似的旧Wiki备份，下面给你一步步拆解怎么提取出可读内容：

第一步：定位目标页面对应的内容ID #

MediaWiki的page表记录了所有页面的基本信息，其中page_latest字段关联着text表的old_id（也就是当前版本页面内容的唯一标识）。你可以用SQL先找到目标页面的这个关联ID：

-- 替换成实际页面标题，注意标题里的空格会被存成英文下划线，比如"我的技术笔记"要写成"My_Tech_Notes"
SELECT page_id, page_latest, page_title FROM page WHERE page_title = '你的页面标题';

如果记不清完整标题，用模糊查询缩小范围：

SELECT page_title, page_latest FROM page WHERE page_title LIKE '%关键词%';

第二步：解压并读取二进制内容 #

拿到page_latest对应的old_id后，就可以去text表提取内容了，分两种情况：

• 如果内容是gzip压缩的：查看text表的old_flags字段，要是包含g标记，就用MySQL的UNCOMPRESS()函数解压：

  SELECT UNCOMPRESS(old_text) AS page_content FROM text WHERE old_id = '你查到的old_id值';
  

• 如果没有压缩：如果old_flags里没有g，直接把二进制数据转成字符串即可：

  SELECT CAST(old_text AS CHAR) AS page_content FROM text WHERE old_id = '你查到的old_id值';
  

批量提取小技巧 #

要是你需要一次性提取多个页面的内容，可以直接关联page和text表查询：

SELECT p.page_title, UNCOMPRESS(t.old_text) AS page_content
FROM page p
JOIN text t ON p.page_latest = t.old_id
WHERE p.page_title IN ('页面标题1', '页面标题2', '页面标题3'); -- 替换成你需要的页面标题列表

内容的提问来源于stack exchange，提问作者Peter