4

使用http-conduit我想下载任何页面的原始维基媒体标记，例如维基百科页面Stack Overflow。

此外，我希望该解决方案适用于 wikimedia 页面以外的其他页面en.wikipedia.org，例如de.wikibooks.org.

笔记：这个问题立即以问答形式回答，因此故意不显示研究成果！

4

1 回答 1

3

此问题使用 http-conduit 中的查询参数，如上一个 SO 答案中所述。

我们将使用SO上描述的方法来下载页面的标记内容。

尽管使用mediawiki可以完成此任务，但在?action=raw不显式使用 API的情况下使用该方法似乎要简单得多。

为了支持不同的页面（例如en.wikimedia.org），我编写了两个函数getWikipediaPageMarkup和getEnwikiPageMarkup，前一个更通用并且允许使用自定义域（任何域都可以工作，假设 Mediawiki 安装在 下/wiki）。

{-# LANGUAGE OverloadedStrings #-}
import Network.HTTP.Conduit
import Data.ByteString (ByteString)
import qualified Data.ByteString.Char8 as B
import qualified Data.ByteString.Lazy.Char8 as LB
import Network.HTTP.Types (urlEncode)
import Data.Monoid ((<>))

-- | Get the Mediawiki marup
getWikipediaPageMarkup :: ByteString -- ^ The wikipedia domain, e.g. "en.wikipedia.org"
                       -> ByteString -- ^ The wikipedia page title to download
                       -> IO LB.ByteString -- ^ The wikipedia page markup
getWikipediaPageMarkup domain page = do
    let url = "https://" <> domain <> "/wiki/" <> urlEncode True page
    request <- parseUrl $ B.unpack url
    let request' = setQueryString [("action", Just "raw")] request
    fmap responseBody $ withManager $ httpLbs request'

-- | Like @getWikipediaPageMarkup@, but hardcoded to 'en.wikipedia.org'
getEnwikiPageMarkup :: ByteString -> IO LB.ByteString
getEnwikiPageMarkup = getWikipediaPageMarkup "en.wikipedia.org"

请注意，为了编译代码，http-conduit需要最新版本（最低：2.1，已测试）。2.1.4

于 2014-08-05T19:00:04.893 回答