问题标签 [wikipedia]

我目前正在做一个关于人名消歧的项目。该项目背后的想法是，当有多个同名的人时，它将能够识别正确的人。我为此使用了维基百科。我想根据一些标准数据评估我的项目。我正在寻找一些测试数据。我不熟悉维基百科中的流行名称。任何想法，我在哪里可以找到这些数据？我不是在寻找大量数据。我只是在寻找一些 100-500 个例子。

谢谢

为问题添加更多信息。

我正在寻找的是同名但实际上不同的人。例如，Michael Jordon 是一位著名的篮球运动员，并且还有一位统计学家同名。我正在寻找这样的例子。

http://en.wikipedia.org/wiki/Michael_Jordan http://en.wikipedia.org/wiki/Michael_I._Jordan

希望，你现在明白这个问题了。

Wikipedia（或一般的 MediaWiki）如何在 URI 中编码页面标题？这不是普通的 URI 编码，因为空格被下划线替换，双引号没有被编码等等。

我下载了一个 Wikipedia 转储，我想将 wiki 格式转换为我的对象格式。是否有可用的 wiki 解析器将对象转换为 XML？

我正在尝试在谷歌应用引擎上构建一个维基百科链接爬虫。我想在数据存储中存储一个索引。但是我遇到了 cron 作业和任务队列的 DeadlineExceededError。

对于 cron 工作，我有以下代码：

def buildTree(self):

我不明白为什么 for 循环在 10 秒后没有中断。它在开发服务器上。服务器上的 time.time() 一定有问题。我可以使用其他功能吗？

对于任务队列，我有以下代码：
def addNewBranch(self, keyword, level=0):

日志显示它们都遇到了 DeadlineExceededError。后台处理的页面请求不应该超过 30 秒。有没有办法绕过异常？

这是 addBranch() 的代码

我想在 lucene 项目中使用 WikipediaTokenizer - http://lucene.apache.org/java/3_0_2/api/contrib-wikipedia/org/apache/lucene/wikipedia/analysis/WikipediaTokenizer.html但我从未使用过 lucene。我只想将维基百科字符串转换为令牌列表。但是，我看到这个类中只有四种方法可用，end、incrementToken、reset、reset(reader)。有人可以给我举个例子来使用它。

谢谢你。

我正在尝试解析通过 Wikipedia 的 API 接收的 wikitext 文件，问题是它的一些模板（即包含在 {{ 和 }} 中的片段）不会自动扩展为 wikitext，因此我必须在文章中手动查找它们最终获取并替换它们。问题是，我可以在 .NET 中使用正则表达式从文本中获取匹配项吗？

为了让自己更清楚，这里有一个例子来说明我的意思：

对于字符串

应该有一个匹配，即整个字符串，所以最长可能匹配。

另一方面，对于本例中的“孤立”大括号：

结果应该是一个匹配：{{...}}

谁能给我一个建议？提前致谢。

我想为 iPhone 制作一个维基百科阅读器。最好的方法是什么？

我已经对此进行了一些思考。使用 Wikipedia API 加载 Wikipedia 站点的内容非常容易。但困难在于如何以一种好的方式显示内容。内容用维基百科标签标记，而不是 html。我的想法是解析整个内容并用真正的 html 标签交换这些元素，然后我将文本（现在在 html 中）加载到 UIWebView 并使用自定义 CSS 文件应用我自己的样式。

但我不确定这是否是一个很好的解决方案。有没有其他更好的解决方案可以解决我的问题，或者我的方法是否正确？如果您能提供一个教程或示例，那就太好了。

谢谢

从 Wikipedia 获取有关人员的所有文章的最简单方法是什么？我知道我可以下载所有页面的转储，但是如何过滤这些页面并仅获取有关人员的页面？我需要尽可能多的（最好超过一百万），所以使用任何类型的 API 可能都不是一种选择。

是否可以在 Wikipedia API 中查询包含特定模板的文章？该文档没有描述将搜索结果过滤到包含模板的页面的任何操作。具体来说，我在寻找包含Template:Persondata. 之后，我希望能够仅检索该特定模板，以便为openancestry.org项目填充家谱数据。

下面的查询显示 Albert Einstein 页面包含 Persondata 模板，但它不返回模板的内容，我不知道如何获取包含该模板的页面标题列表。 http://en.wikipedia.org/w/api.php?action=query&prop=templates&titles=Albert%20Einstein&tlcontinue=736|10|ParmPart

回报：

我怀疑我无法从 API 中得到我需要的东西，但我希望我错了，并且有人已经在这条道路上开辟了道路。

我想知道 Wikipedia 的“您的意思是：...”是如何工作的，以及是否有一种方法，例如 API，可以使用它？因为我想从我的输入中获取相应的页面，但是这个页面可能包含错误。例子。是否有直接返回建议的查询？

谢谢您的帮助。