L'encodage du nom des pages MediaWiki est un sujet difficile. Les mots magiques de MediaWiki PAGENAME, PAGENAMEE, urlencode ont des implémentations distinctes, chacun ayant ses propres particularités.

Un nom de page MediaWiki peut avoir une espace au début mais pas à la fin. Les caractères ASCII qui ne sont pas autorisés dans les noms de pages MediaWiki sont les trois types de parenthèses, le croisillon, le catactère de soulignement et la barre verticale, ainsi que tous les caractères de contrôle (y compris les onglets et les nouvelles lignes).

# < > [ ] _ { | }

Dans cet article nous les appellerons les « caractères non autorisés dans les noms de page ». Pour clarifier nous présenterons les autres valeurs ASCII de 7 bits des caractères dans le style de l'encodage URL, en utilisant le format pourcent-hexa-hexa connu comme l'encodage pourcent.

PAGENAME

Certains caractères autorisés renvoyés par {{PAGENAME}} sont encodés dans le style HTML :

• " (guillemets %22) est converti en " (34 est la valeur décimale de l'hexadecimal 22); dans le style HTML/XML standard, il pourrait également être converti en ".
• & (et commercial %26) est converti en & (38 est la valeur décimale de l'hexadecimal 26); dans le style HTML/XML standard, il pourrait également être converti en &
• ' (apostrophe %27) est converti en ' (39 est la valeur décimale de l'hexadecimal 27); dans le style HTML/XML standard, il pourrait également être converti en '
• Dans les versions récentes de MediaWiki, - est converti en - si c'est le premier caractère de la chaîne. Voir phab:T358338 pour plus de détails.

Cet encodage HTML / XML est standard, même si la norme ne nécessite pas toujours d'échapper les apostrophes simples et doubles sauf dans certains cas; la norme exigerait également le recodage des signes inférieur à < et supérieur à > mais ces deux caractères sont interdits dans le nom des pages MediaWiki en raison de la syntaxe du code MediaWiki utilisé pour composer les pages.

Le même encodage HTML est aussi utilisé avec (revoir les définitions sur Mots magiques ) :

• {{FULLPAGENAME}}
• {{BASEPAGENAME}}
• {{SUBPAGENAME}}
• {{SUBJECTPAGENAME}}
• {{TALKPAGENAME}}

Nous appellerons ", &, ' les « trois charactères spéciaux des noms de page ».

PAGENAMEE

{{PAGENAMEE}} convertit les espaces en caractères de soulignement et encode avec des pourcentages un ensemble de caractères :

• Il convertit les 11 caractères ASCII suivants (tous autorisés dans les noms de page) :

  " % & ' + = ? \ ^ ` ~

  en (avec l'utilisation de la représentation hexadécimale de l'encodage ASCII)

  %22 %25 %26 %27 %2B %3D %3F %5C %5E %60 %7E

  Il convertit également tous les caractères non ASCII (Unicode) ainsi que des triplets de %nn avec nn en hexadécimal (un pour chaque octet de la séquence UTF-8 encodant le point de code Unicode associé au caractère), le premier triplet étant entre %C2 et %FD, suivi de un à trois triplets entre %80 et %BF (dans le pire des cas, il pourrait générer 12 caractères pour un seul caractère Unicode, la plupart des caractères latins, cyrilliques, grecs étant encodés sur 6 caractères, mais les sinogrammes et le hangul coréen en ont besoin de 9 pour 6 caractères).

• L'espace blanc ASCII ( ) est converti en caractère de soulignement (_).
• Les caractères alphanumériques ASCII ne sont pas convertis, ni les caractères de ponctuation ASCII suivants, ni les symboles (tous étant admis dans les noms de page) :

  ! $ ( ) * , . / : ; @ _

• Dans les versions récentes de MediaWiki, - est converti en - si c'est le premier caractère de la chaîne. Pour plus de détails, voir phab:T358338.

Le même encodage est utilisé aussi avec :

• {{FULLPAGENAMEE}}
• {{BASEPAGENAMEE}}
• {{SUBPAGENAMEE}}
• {{SUBJECTPAGENAMEE}}
• {{TALKPAGENAMEE}}

Lors de la préparation d'un nom de page pour l'intégrer dans la "partie recherche" d'une URL (voir RFC 1738 ou RFC 3986), il peut être nécessaire d'avoir à la fois le codage avec les pourcents ainsi que tous les caractères espace convertis %20 et le signe + que nous appellerons « chiffrage de la partie de recherche ».

Cela évite le codage problématique des trois caractères de nom de page spéciaux en codant par exemple, le et commercial (&) comme %26, mais le codage typique de la partie de recherche de l'espace est le signe plus (ou parfois %20).

S'il n'existe pas d'extension qui fasse du traitement de chaîne dans MediaWiki, alors {{PAGENAMEE}} ne pourrait servir qu'à reconstruire une URL de votre propre wiki vers d'autres wikis ou autres sites où la page qu'ils fournissent a le même nom et utilise les caractères de soulignement (il n'existe pas de standard pour cela, l'encodage qui est présenté dans la table a été défini pour MediaWiki lui-même pour ses propres besoins locaux. Ne supposez pas que les autres sites vont effectuer la même conversion, la plupart d'entre eux utilisent simplement l'UTF-8 simple pour leurs propres URL locales s'ils doivent représenter des caractères non ASCII et un codage URL standard pour les caractères ASCII qui ne sont pas sûrs).

urlencode

La fonction {{urlencode:data|style}} (dans sa version actuelle utilisant maintenant le style QUERY par défaut depuis MediaWiki 1.17) encode avec des pourcents beaucoup plus de caractères que PAGENAMEE.

Il peut convertir n'importe quelle chaîne valide en entrée à partir de son encodage UTF-8.

Cette fonction convertira également les 9 caractères interdits dans les noms de pages et répertoriés ci-avant.

Il convertit les trois caractères spéciaux différemment de ce que fait {{PAGENAME}}, en utilisant les triplets hexadécimaux %nn au lieu des entités HTML.

Il préserve la distinction entre l'espace et le caractère de soulignement (la distinction est perdue uniquement dans le nom des pages MediaWiki).

Le résultat est conforme à la norme de codage des URL RFC 1738 en utilisant uniquement des lettres, des chiffres et des caractères "sûrs" et les deux caractères % (suivis de deux chiffres hexadécimaux) et + (pour codage des espaces).

Ce résultat est entièrement et facilement réversible, mais MediaWiki ne fournit pas nativement de fonction urldecode pour le faire.

Il peut également être utilisé pour permettre à l'éditeur de Wikisource de travailler avec des caractères multilingues auxquels il est habitué plutôt que de traiter les caractères plus opaques codés avec des pourcentages. Lorsque vous envisagez d'utiliser urlencode pour construire une URL de lien externe, en particulier dans un modèle, il existe deux styles de conception où cela pourrait être approprié. Lequel d'entre eux est approprié est une question de compromis entre généralité et facilité d'utilisation.

• Pour une généralité maximale, il n'existe pas de combinaison simple de PAGENAME et autres mots magiques par défaut du wiki pour fournir une solution générale et gérer les noms qui incluent tous les caractères possibles dans le nom des pages. Les caractères non autorisés des noms de page et les trois caractères de page spéciaux présentent tous des problèmes. Si un nom souhaité utilise l'un quelconque de ces caractères, le nom de page réel devrait être différent. La conception la plus générale d'un modèle serait un modèle avec deux paramètres : un paramètre de recherche par partie, de style URL pour le lien URL, et un paramètres de style HTML, pour l'étiquette du lien. Le paramètre de style URL serait ajouté à une recherche ou une URL de recherche, et le paramètre HTML serait utilisé pour étiqueter le lien. Par exemple, un modèle appelé OrgName qui recherche une organisation par son nom avec un nom inhabituel de 10 caractères de a%23b> {c} appellerait le modèle {{OrgName|a%2523b%3E+%7Bc%7D|a%23b> {c}}}. Les variantes de ceci peuvent utiliser %20 au lieu de + dans le paramètre de style URL pour l'espace.
• Une autre solution (non liée) utilisée en HTML ou en XML est d'employer > au lieu de > pour le caractère supérieur à dans le paramètre de style HTML ou simplement les caractères simples lorsqu'ils fonctionnent correctement. Pour être rigoureux, on pourrait dire qu'avoir deux arguments obligatoires est le meilleur style pour la stabilité à long terme au cas où la page est renommée ou traduite vers un autre wiki où le style de nommage des pages est différent, comme lorsque un alphabet différent est utilisé pour nommer les pages.
• La fonction d'analyse syntaxique urlencode peut être utilisée pour créer un modèle qui peut être facile à utiliser mais pas parfaitement général. La fonction urlencode (dans le style de requête) convertit en séquences hexadécimales de %nn presque tous les caractères (y compris le pourcentage et autres) sauf les alphanumériques et deux des caractères sûrs de l'URL RFC 1738 : - . (le tiret et le point), et convertit l'espace vide en caractère plus (et tous les caractères non ASCII sont encodés en séquences hexadécimales %nn).
• La technique qui consiste à imbriquer des fragments de code {{urlencode:{{{userparam|{{PAGENAME}}}}}}} dans un modèle pour créer une URL de lien externe, peut être utile (comme traiter les simples noms de page en tant que données). Un nom de page qui contiendrait l'un des trois caractères spéciaux (renvoyés par PAGENAME et les fonctions similaires dont le résultat est destiné à être affiché sur une page HTML) pourrait poser problème. Par exemple avec un pagename avec un et-commercial, cela résultera en un et de style HTML (&) converti par {{URLENCODE|pagename}} dans le style %26amp%3B de l'URL de requête que la plupart des sites web distants ne pourraient pas gérer convenablement. Pour les noms avec les caractères problématiques, on peut tout simplement ne pas utiliser le modèle et fournir un lien direct dans le wikicode ou en ajoutant des modèles ou des extensions appropriés au wiki pour prendre en charge les manipulations de chaînes.
• Un compromis entre ces deux styles est une variante sur le fragment de code ci-dessus, comme {{{userparam|{{urlencode:{{PAGENAME}}}}}}} où le userparam est facultatif mais lorsqu'il est fourni explicitement, il doit être codé pour la recherche.

Notez qu'il n'existe pas de fonction d'analyse syntaxique Mediawiki qui puisse décoder avec succès l'encodage HTML réalisé par PAGENAME. De même, il n'existe pas de fonction pour décoder l'encodage spécial effectué par PAGENAMEE, ou celui des URL de chemin vers les pages wiki. Les fonctions d'analyse syntaxique comme #ifeq ou #ifswitch fonctionnent car elles comparent les entrées uniquement en les décodant au niveau HTML, mais ne décodent jamais les URL de leurs paramètres.

• Donc, pour comparer les noms de page en toute sécurité partant du résultat de {{PAGENAME}} avec un nom statique spécifié contenant l'un des trois caractères spéciaux qui n'a pas été codé HTML (par exemple la valeur d'un paramètre donné à un modèle transclus dans une page wiki), vous pouvez d'abord convertir ce paramètre dans le même codage spécial réalisé par PAGENAME, en passant cette valeur en tant que paramètre de la fonction d'analyse syntaxique {{PAGENAME|...}}.
• Vous pouvez faire la même chose pour comparer les noms de page en fonction de la valeur de {{PAGENAMEE}}, ou vous pouvez utiliser la fonction urlencode avec le nom de page {{urlencode|pagename|WIKI}} comme paramètre supplémentaire de style.

URL du navigateur web et interface HTTP du serveur web du wiki

• Pour saisir un nom de page en tant qu'URL dans votre navigateur web qui ira directement à la page, les deux caractères suivants doivent être codés comme dans une URL durant leur saisie : % ? comme %25 %3F. Un exemple typique est un nom de page qui se termine par un point d'interrogation pour lequel les éditeurs de wiki vont créer une redirection wiki sans ce point d'interrogation, afin qu'il soit toujours fonctionnel. Si vous insérez une espace dans une URL, votre navigateur la convertira en %20 avant de l'envoyer, quelque soit le serveur web destinataire. La même chose pour pour ce caractère à double apostrophe " qui est converti en %22 . Selon votre navigateur, il peut également encoder certains caractères non sûrs, comme %&'`. Voir RFC 1738 pour plus de détails, mais notez que ce comportement dépend du navigateur. Comparés aux navigateurs qui supportent uniquement http, les navigateurs qui supportent d'autres schémas que celui-ci (tels que ftp) tendent à convertir beaucoup plus de ces caractères.
• La manière dont une URL codée avec des pourcents est affichée dans la barre d'adresse d'un navigateur web dépend de la façon dont le serveur web du wiki a utilisé la redirection d'URL. Les caractères de l'ensemble de caractères PAGENAMEE seront convertis seulement s'il sont juste à côté d'une espace. Par exemple, si vous tapez une URL dans votre navigateur web qui se termine par A_=_B ou A=B, alors elle enverra cette URL directement et vous irez à la page wiki si elle existe. Si vous entrez une URL dans votre navigateur web qui se termine par A = B (avec des espaces autour du signe égale), alors votre navigateur web encode les espaces en %20, et envoie ainsi A%20=%20B au serveur web du wiki. Le serveur web du wiki traduit ensuite la chaîne en A_%3D_B et la renvoie au navigateur web du wiki via la redirection d'URL. Maintenant vous pouvez voir pourquoi, sur un lien Internet lent, les espaces dans un nom de page se transforment d'abord en %20 et ensuite en caractère de soulignement parce que votre navigateur fait la première conversion et le serveur web du wiki fait la seconde. Vous pouvez essayer de voir l'URL réelle en copiant l'URL dans le navigateur et en la collant textuellement dans un simple éditeur de texte, mais vous pouvez constater que même cette technique produit des résultats qui dépendent du navigateur.
• Bien que non spécifique au serveur web du wiki, pour les caractères larges, le navigateur réalise une action urldecode partielle sur l'URL réelle. Ce décodage d'URL est essentiel pour pouvoir utiliser les caractères larges dans les URL. Par exemple, pour une URL simple qui se termine par une chaîne UTF-8 codée avec des pourcents comme %E6%9D%B1%E4%BA%AC, votre navigateur va généralement urldecode cette partie et l'afficher comme 東京 (Unicode U+6771 U+5EAC), qui sont les deux caractères Kanji pour Tokyo. Ce résultat s'applique à la fois aux caractères 7-bits et aux caractères larges, mais il dépend du navigateur. Par exemple, si vous visitez le nom de la page à huit caractères de A!*-. ~A comme http://en.wikipedia.org/wiki/A%21%2A%2D%2E%5F%7EA vous pouvez constater que votre navigateur web affiche alors une URL qui n'a pas de décodage, que certains ou tous les caractères codés avec les pourcentage et que le copier-coller de l'URL du navigateur dans un texte simple ne comprendra aucun, certains, ou tous les caractères décodés. La quantité de l'URL décodée pendant un copier-coller dépend du navigateur.

Comparaison des encodages

Le tableau suivant montre l'effet des différents encodages pris en charge sur l'ensemble complet des caractères ASCII imprimables (plus l'espace) et sur les deux premiers caractères Unicode imprimables après ASCII. Les caractères de tabulation et autres contrôles d'espace sont discutés plus complètement dans la section ci-dessous sur les espaces blancs, mais le tableau montre certains effets contextuels qui se produisent avec des espaces éventuellement ignorés et certains autres caractères.

Avec les différents encodages proposés dans MediaWiki, il est remarquable que les seuls caractères qui ne sont jamais transformés (ou supprimés) sont les 10 chiffres décimaux, le tiret du moins (-) et les lettres latines majuscules de base (A-Z : une lettre majuscule initiale peut être transformée par capitalisation dans la plupart des wikis sauf ceux qui conservent la distinction de cas dans les noms de pages).

Notez également que les noms d'espaces de noms et les préfixes interwiki n'ont pas de lettres significatives pour le cas, et si elles sont reconnues au début d'un titre, elles peuvent être remplacées par un terme incomplètement non lié, éventuellement dans une autre langue et (ou) un script ! Soyez donc prudent avec tout ce qui vient avant un caractère deux-points (:) car le comportement sera spécifique pour chaque wiki et leur propre ensemble local de noms d'espaces de noms reconnus (ou synonymes) et de préfixes interwiki (mais ces préfixes locaux n'affectent pas ce que urlencode et anchorencode vont renvoyer, ce qui est indépendant des règles de nommage local pour chaque wiki).

Les deux styles PATH et QUERY pour urlencode sont presque identiques, leur seule différence est que :

• le style PATH conserve le tilde (~) mais encode les espaces avec la notation hexadécimale et les pourcentages (%20). Il n'est pas utilisé dans les URL web, mais uniquement pour les chemins des fichiers locaux, pour une utilisation avec des shell de style Unix (sans avoir besoin de signes d'échappement ou de guillemets supplémentaires). Il ne sert pas pour les URL qui utilisent le schéma d'URI^[1] file:.^[1]
• le style QUERY encode le tilde (~) mais encode les espaces différemment avec un signe plus (+). Il est utilisé dans les chemins des URL web pour une meilleure compatibilité avec les utilisations web courantes. Depuis la version 1.17 de MediaWiki, c'est le style d'encodage par défaut utilisé par urlencode si vous ne spécifiez aucun style, ou si vous donnez un style inconnu ou vide.
• Le style WIKI était le style par défaut dans MediaWiki avant la version 1.17; il a malheureusement laissé de côté certains caractères principaux — l'astérisque (*), les deux-points (:), ou le point-virgule (;) — causant des problèmes lors de son utilisation pour passer des valeurs dans les paramètres de requête à une API web distante. N'utilisez pas ce style sauf pour la compatibilité avec les anciens modèles en fonction de leur principe pour détecter ces trois caractères.

Caractères particuliers dans le nom des pages

Caractères particuliers dans les ancres

Caractères espace dans le nom des pages et les ancrages (titres de section)

• Les espaces au début et à la fin sont ignorés, et les espaces restants sont mis en forme dans le nom des pages et les ancres (mais pas pour le codage des URL) :

  {{PAGENAME: A  B }} → A B

  {{PAGENAMEE: A  B }} → A_B

  {{urlencode: A  B |WIKI}} → A__B

  {{urlencode: A  B |PATH}} → A%20%20B

  {{urlencode: A  B |QUERY}} → A++B

  {{anchorencode: A  B }} → A_B

• Les caractères de tabulation et de passage à la ligne ne sont pas acceptés dans les noms de page, mais ils sont préservés dans l'encodage des URL et dans les ancres :

  {{PAGENAME:A B}} → (une chaîne vide, ce qui représente un nom de page incorrect)

  {{PAGENAMEE:A B}} → (une chaîne vide, ce qui représente un nom de page incorrect)

  {{urlencode:A B|WIKI}} → A%09B

  {{urlencode:A B|PATH}} → A%09B

  {{urlencode:A B|QUERY}} → A%09B

  {{anchorencode:A B}} → A_B

See also

• Help:Extension:ParserFunctions##titleparts

Notes