问题标签 [wikipedia-api]

我正在尝试以结构化的方式解析特定的维基百科内容。这是一个示例页面：

http://en.wikipedia.org/wiki/Polar_bear

我正在取得一些成功。我可以检测到这个页面是一个“物种”页面，我还可以将 Taxobox（右侧）信息解析为一个结构。到现在为止还挺好。

但是，我也在尝试解析文本段落。这些由 API 以 Wiki 格式或 HTML 格式返回，我目前正在使用 Wiki 格式。

我可以阅读这些段落，但我想以特定方式“清理”它们，因为最终我将不得不在我的应用程序中显示它并且它没有 Wiki 标记的意义​​。例如，我想删除所有图像。通过过滤掉 [[Image:]] 块相当容易。然而，也有一些我根本无法删除的块，例如：

{{转换|350|-|680|kg|abbr=on}}

删除整个块会破坏句子。并且有几十个这样的符号具有特殊的含义。我想避免编写 100 个正则表达式来处理所有这些，看看如何以更智能的方式解析它。

我的困境如下：

• 我可以继续我目前的半结构化解析路径，在那里我需要做很多工作来删除不需要的元素以及“模仿”确实需要渲染的模板。
• 或者，我可以从呈现的 HTML 输出开始并对其进行解析，但我担心以结构化方式解析它同样脆弱和复杂

理想情况下，有一个图书馆可以解决这个问题，但我还没有找到一个可以胜任这项工作的图书馆。我还查看了像 DBPedia 这样的结构化 Wikipedia 数据库，但那些只有我已经拥有的相同结构，它们不提供 Wiki 文本本身的任何结构。

从MediaWiki API:Query 页面可以看出，您一次只能解析一个重定向。

该文档甚至说“下面的示例并不是真正有用，因为它不使用任何查询模块，但显示了重定向参数的工作原理。”

但是你怎么能得到重定向信息——使用一个返回多个结果的查询模块呢？

我正在寻找一个 wikipedia api，它可以给我一篇文章（没有图片）到相应的查询。我已经看到与actions=opensearchand一起使用的 wikipedia api query=search。请告诉我哪个是正确的，或者是否还有其他action我应该使用的。

我正在研究 Wikipedia REST API，但我找不到正确的选项来获取搜索查询的 URL。

这是请求的 URL：

此请求仅输出标题和片段，但不输出文章的 URL。我已经检查了 list=search 查询的 wikipedia API 文档，但似乎没有获取 URL 的选项。

最好的问候，法比奥·布达

我试图从 Wikipedia API 中获取电影“殿下”的描述，但它什么也没给我。

http://en.wikipedia.org/w/api.php?format=xml&action=query&titles=your%20highness&prop=revisions&rvprop=content

当我在谷歌上搜索“殿下”维基百科作为第三个结果时，这就是我希望 API 给我的页面。

另外我只想要电影描述的文本，没有混合维基语法或任何东西。

我可能不应该使用 file_get_contents() 我应该使用什么？我想保持简单。

警告：file_get_contents(http://en.wikipedia.org/w/api.php?action=query&titles=Your_Highness&prop=revisions&rvprop=content&rvsection=0)：打开流失败：HTTP 请求失败！HTTP/1.0 403 禁止

我正在尝试使用Wikipedia API从 Wikipedia 获取 HTML 内容。我找不到嵌入它的正确方法。由于样式没有扩展，我想我需要指定嵌入它的 HTML 头部中使用的样式表。

我怎么知道要包含的正确 CSS 是什么？

我正在使用 wikipedia api 从 wiki pedia 获取数据，但我在这里收到错误我发布我的代码和我的错误。请帮我。

这是我的错误：

我希望使用 Wikipedia api 来提取此页面的结果：

http://en.wikipedia.org/wiki/Special:PrefixIndex

在上面搜索“某物”时，例如：

http://en.wikipedia.org/w/index.php?title=Special%3APrefixIndex&prefix=tal&namespace=4

然后，我想访问每个结果页面并提取它们的信息。

我可以使用什么 api 调用？

我正在尝试访问 Wikipedia 页面以获取页面列表，并收到以下错误：

我希望通过 Wikipedia api 访问该页面，但我不确定它是否有效。

问题是其他页面可以毫无问题地阅读，例如：

有什么建议么？

旁注：一般来说，我宁愿不抓取 wiki 页面并通过 api，但我担心这个特定页面还不能通过 api 获得......