Reprendre un projet avec Drupal

quand on a des centaines de milliers

de contenus

Au programme

> La reprise des contenus c’est casse g***

> L’importance de définir la reprise dès le cahier des

charges

> Les méthodes possibles avec Drupal

> Retour sur le projet du Ministère de l’Agriculture

La reprise des contenus c’est casse g****

Les erreurs les plus courantes

• « Oh, on verra ça à la fin, après les développements »

• « on va embaucher des stagiaire payées au lance-pierre »

• « Ca prendra pas beaucoup de temps »

• « on reprend tout à l’identique »

• « on réécrit tout de toute façon »

• A la fin du projet : « Mais, ???!!! On croyait que vous vous en chargiez ??!! »

• « On va faire tourner une moulinette, et puis ça ira tout seul ! »

Et puis, avec Drupal,

c’est facile, non ?

Les points de vigilance

Le client ou l'équipe métier n'anticipe souvent pas suffisamment ou ne sait pas ce que ça implique :

Ca prend du temps et de l’argent

Il faut dire et répéter que ce n'est que eux qui pourront piloter ce chantier, car c'est eux qui connaissent leur contenu

Il faut faire un projet à part, le paralléliser avec la conduite technique du projet et identifier les adhérences.

Il faut sensibiliser aux différences de l’avant – après : la méthode de gestion des contenus ne sera évidemment pas la même et cela aura un impact sur la façon dont on va reprendre les contenus !

Les grandes lois de la reprise de

contenu

1. Il n’y a pas de méthode universelle.

2. Il faut construire à chaque fois une méthode, et savoir qu’on devra revenir dessus.

3. Il faut procéder par itérations successives.

La reprise des contenus, ça se définit dès le cahier des charges

Décider d’une reprise manuelle ou

automatique ?

Faire une matrice de reprise des

contenus

Titre de la page URL de la page Etat du contenuNiveau de retraitement souhaité

Positionnement cible dans futur site

Type de contenu cible

Titre 1 www.test.fr trop détaillé illustrations à fournir thématique article

Titre 2 www.test.fr inadapté pour la cible A simplifier actualité

Titre 3 www.test.fr Difficile à comprendre A réécrire agenda

Titre 4 www.test.fr inexistant illustrations à fournir FAQ

Acceptable …

Faire une matrice à partir :

• De Google

• Du back-office existant

• Du parcours du site existant (ou plan du site)

Reclassifier les contenus en « types de

contenus » made in Drupal

• Actu ?• Evènement ? • Page éditoriale ? • Glossaire ?• Rubrique ?• Fiche métier• …

Cette « re-classification » est plus ou moins facile selon les sites pré-existants.

1. Evaluer la capacité de reprise

automatique – une mission à part

• Reprendre depuis un ancien Drupal ?

• Exploiter les modules de la communauté Drupal

• Connexion possible à la base de données ?• Quelle est la structure de la base de données ? • Quelle est la qualité des données stockées en base de données ?

• Un / des exports XML sont-ils possibles ?

• Un crawler est-il envisageable ?

Les « n » méthodes automatiques de reprise des contenus

Reprendre depuis un ancien Drupal ?

Il existe des logiques de migration D5 – D6 – D7 qui embarquent les contenus.

Mais cela dépend très très fortement de la qualité du développement original.

Très souvent, c’est aussi compliqué que dans un projet d’un autre CMS.

Le test des modules

Cela suppose d’avoir un CMS connu : • Avec Typo3• Avec Spip• Avec Joomla• Avec Wordpress• …

Et que cela prenne en compte toutes les spécificités du projet antérieur.

La reprise directe en base de données

Identifier toutes les tables

contenant des contenus à reprendre

Identifier toutes les entrées des

tables et les faire

correspondre avec le

structure de contenu Drupal

Identifier tous les besoins de

retraitement du WYSIWYG

Lancer un script de reprise par

type de contenu

Utiliser un ETL ?

Les modules de migration avec Drupal

• Avec Migrate

• Avec Feeds & Feeds Tamper

Un crawler ? Oui, mais…

• Il faut être certain de pouvoir parcourir toutes les pages• Disposer d’un sitemap• Ne pas avoir de pages orphelines

• Le balisage HTML doit être cohérent

• Il faut associer ce crawler au traitement de la matrice des contenus

Dans tous les cas, il faut retraiter le

HTML

• Identifier les balises à retraiter : styles, tableaux, balises propres au CMS initial

• Identifier les images et les fichiers pour les importer

• Recréer les liens relatifs entre les pages

Quelques trucs et astuces

• Utiliser un module / développement adhoc, permettant de basculer d’une structure de contenu à une autre

• Permettre de « flagguer » des contenus qui ne doivent pas être réimportés / écrasés lors des itérations

Importer, tester, recommencer,

importer, tester, modifier les scripts,

recommencer, importer, recommencer,

Importer, tester, recommencer,

importer, tester, modifier le script,

recommencer, importer, recommencer,

Importer, tester, recommencer,

importer, tester, modifier le script,

recommencer, importer, recommencer,

Et finir par la reprise manuelle :

- Exceptions qui ne peuvent être traitées

automatiquement

- Réécriture nécessaire

Les facteurs déterminants d’une

reprise manuelle

• Le temps de réalisation de la moulinette automatique est supérieur au temps évalué de reprise manuelle

• Le contenu généré en HTML n’est pas propre du tout

• Indicateur 1 : multiplier par 10 le temps évalué pour la reprise automatique ;-)

• Indicateur 2 : réintégrer une page de contenu de 800 caractères, avec deux images et trois fichiers à télécharger, ça prend 30 minutes !!

Retour sur le projet du Ministère de l’Agriculture

Contexte

• Un site sous Spip

• Un site avec plusieurs couches de développement successives

• Un volume de contenus non identifiés

• De multiples collaborateurs et rédacteurs aux pratiques hétérogènes

On a tenté de normer le périmètre de

reprise…

• Redéfinition d’une charte éditoriale complète

• Tableur de 20 000 lignes de repositionnement des contenus

• Identification des types de contenu cible

• …

~20 jours / homme d’accompagnement

Des scripts très compliqués ont été mis

en place pour repositionner les

contenus

• Exploitation du tableur Excel pour les scripts Migrate• Positionnement dans l’arborescence• Regroupement de contenus• Association automatique de vocabulaires• …

• Retraitement des contenus HTML pour supprimer les styles et balises de SPIP

~30 jours / homme pour la V1

Mais au final, on avait oublié

plein de contenus !

On a donc fait machine arrière

• V2 avec tous les contenus sans exclure des éléments• Retraitement de scripts pour simplifier les retraitements de

positionnement• Rajout d’une fonction de transfert d’une structure à une autre• Rajout d’un flag sur chaque contenu pour autoriser / refuser son

import

Puis une V3, V4, …

Et, reprise manuelle !

~20 jours / homme pour la finalisation

Merci

Questions?

Marine Soroko – Core-Techs