11

我一直在Wikipedia API上下浮动，但我不知道是否有一种很好的方法来获取文章的摘录（通常是第一段）。获得该段落的 HTML 格式也会很好。

我目前看到的获得类似于片段的东西的唯一方法是执行全文搜索（example），但这并不是我真正想要的（太短了）。

除了野蛮地解析 HTML/WikiText 之外，还有其他方法可以获取 Wikipedia 文章的第一段吗？

4

4 回答 4

6

使用此链接以 xml 形式获取未解析的介绍“http://en.wikipedia.org/w/api.php?format=xml&action=query&prop=extracts&exsentences=10&titles=Aati kalenja”

早些时候，我可以通过像上面的链接一样添加带有 src 的 iframe，在单个页面中从一个类别中引入主题/文章列表。但现在 chrome 抛出此错误 - “拒绝显示文档，因为 X 禁止显示 -框架选项。” 有办法通过吗？请帮忙..

于 2012-09-09T07:46:23.523 回答
3

正如 ARAVIND VR 所指出的，在运行MobileFrontend 扩展（包括 Wikipedia）的 wiki 上，您可以使用API 查询轻松地通过MediaWiki API获取文章的摘录。prop=extracts

例如，此链接将为您提供JSON 包装器中的Wikipedia 上 Stack Overflow 文章的简短摘录。

查询的各种选项可用于控制摘录格式（HTML 或纯文本）、其最大长度（以字符和/或句子为单位，并可选择将其限制为文章的介绍部分）和部分标题的格式在输出中。也可以在单个查询中从多篇文章中获取介绍摘录。

于 2012-09-09T09:31:02.323 回答
3

我发现无法通过 API 做到这一点，所以我求助于解析 HTML，使用PHP 的 DOM 函数。这很容易，例如：

$doc = new DOMDocument();
$doc->loadHTML($wikiPage);
$xpath = new DOMXpath($doc);
$nlPNodes = $xpath->query('//div[@id="bodyContent"]/p');
$nFirstP = $nlPNodes->item(0);
$sFirstP = $doc->saveXML($nFirstP);
echo $sFirstP; // echo the first paragraph of the wiki article, including <p></p>
于 2010-04-02T11:31:08.287 回答
2

可以使用 API 仅获取文章的“介绍”，参数rvsection=0如here所述。

将 Wiki 文本转换为 HTML 有点困难；我想有更完整/官方的方法，但这是我最终做的：

// remove templates (even nested)
do {
    $c = preg_replace('/[{][{][^{}]+[}][}]\n?/', '', $c, -1, $count);
} while ($count > 0);
// remove HTML comments
$c = preg_replace('/<!--(?:[^-]|-[^-]|[[[^>])+-->\n?/', '', $c);
// remove links
$c = preg_replace('/[[][[](?:[^]|]+[|])?([^]]+)[]][]]/', '$1', $c);
$c = preg_replace('/[[]http[^ ]+ ([^]]+)[]]/', '$1', $c);
// remove footnotes
$c = preg_replace('#<ref(?:[^<]|<[^/])+</ref>#', '', $c);
// remove leading and trailing spaces
$c = trim($c);
// convert bold and italic
$c = preg_replace("/'''((?:[^']|'[^']|''[^'])+)'''/", $html ? '<b>$1</b>' : '$1', $c);
$c = preg_replace("/''((?:[^']|'[^'])+)''/", $html ? '<i>$1</i>' : '$1', $c);
// add newlines
if ($html) $c = preg_replace('/(\n)/', '<br/>$1', $c);
于 2010-12-19T15:07:26.283 回答