所以我们公司有大量不同部门的内部wiki站点，我正在寻找一种方法来统一它们。我们一直试图让每个人都使用同一个 wiki，但它永远不会奏效，他们一直想创建新的。作为替代方案，我想做的是抓取每个 wiki 并创建一个新的 wiki，其中包含来自每个来源的信息的组合。
在实现方面，我查看了 Nutch ( http://nutch.apache.org/ ) 和 ( http://scrapy.org/ ) 来进行网络爬取并使用 MediaWiki 作为前端。基本上我会使用爬虫作为前端来抓取每个 wiki，在中间编写一些代码（我正在考虑使用 Python 或 Perl）来理解它并创建新文章，使用它的 API 写入 MediaWiki。
不确定是否有人有类似的经验和更好的方法来做这件事，在我深入这个项目之前尝试做一些研发。
不久前我做了一些非常相似的事情。我写了一个小 Python 脚本，它在我们的 Confluence wiki 中抓取页面层次结构，将生成的 html 页面保存在本地，并将它们转换为 DITA XML 主题以供我们的文档团队处理。
Python 是一个不错的选择——我使用 mechanize 来满足我的浏览/抓取需求，并使用 lxml 模块来理解 xhtml（它有相当多的 xml 遍历/选择方法。效果很好！
请不要做屏幕截图，你让我哭了。
如果您只想定期将所有 wiki 合并为一个并将它们放在“单个 wiki”下，请将每个 wiki 导出到 XML 并将每个 wiki 的 XML导入到组合 wiki 的自己的命名空间中。
如果您想更紧密地实时集成 wiki，则需要在组合 wiki 上进行跨wiki 转入，以从远程 wiki 加载 HTML 并将其显示为本地页面。您可以在现有解决方案的基础上构建：