php - 如何获取维基百科页面的 HTML 内容文本（通过 Wikipedia API）？

Question

我只想获取内容（没有链接，没有类别，没有图像......只是文字）

Answer 1

无法从 Wikipedia API 获取“仅文本”。您可以下载页面的 HTML（如果您通过 index.php 而不是 api.php 执行此操作，请使用action=render以避免下载所有皮肤内容）或 wikitext（您可以通过 API 或传递action=raw给 index.php 来执行此操作）。 php); 然后，您必须自己解析它以删除您不想保留的位。

在 HTML 输出中，MediaWiki 通常擅长将类添加到您可能想要过滤掉的各种界面元素；用户创建的模板等可能不那么重要（例如，用于表格排序的黑客只是将一些文本放在一个display:none跨度中，没有类）。

要通过 API 获取 wikitext，请使用prop=revisions. 要获取呈现的 HTML，请使用action=parse.