问题标签 [wikipedia]

我想知道在 Objective-C 中是否有任何现有的库或可以从 Objective-C 访问这些库，这些库可以让我抓取像这样格式化的页面。具体来说，所有日期和每个日期旁边的所有文本。如果不是，那么最好的方法是什么？常用表达？我听说NSString可能已经为此提供了内置方法。这是真的？

我环顾四周，看看是否有任何替代抓取的方法，例如 XML 文件或 API。我确实找到了一个 API，但我看到的唯一可用的客户端是其他语言的，它们似乎只能将内容发布到页面，而不是检索它。

编辑：所以我在这些链接中找到了有关 API 的更多信息：

• 媒体维基 API
• API:查询

我能够提出这个请求，它返回一些 HTML 编码的文本（格式是 XML，但它包括页面的文本等»a href=。我​​会继续查看文档，看看我能不能把这个出来好一点，如果不是，有没有关于解析这个的建议？

编辑 2：好的，多亏了这个文档页面，我能够检索数据的最简单和最干净的方法是使用这个构造的链接，它返回相关部分的原始数据（在 wiki 标记中）。但是，我想我需要解析它，但如果确实如此，它应该比整篇文章容易得多。

是否有人对解析 wiki 标记有任何建议，例如 Objective-C 中的以下内容？

我最终想要的是，我猜想一个NSDictionary或类似的集合将存储日期以及随附的信息片段。谢谢！

像维基百科这样大的网站如何对重复的条目进行分类？

从用户创建重复条目的那一刻起，我需要知道确切的过程等等。如果您不知道但您知道方法，请发送。

- - 更新 - -

假设有 wikipedia.com/horse，然后有人创建了 wikipedia.com/the_horse，这是一个重复的条目！它应该被删除或可能被重定向到原始页面。

是否有用于 Web 的黑名单 IP 的开放数据库？你知道有很多公共网络代理......比如维基百科全球封锁使用的黑名单。

我想去除所有标签，从维基百科中删除 [show][Hide] 的东西，或者是否有一些网站可以使页面格式更具可读性。

请我知道维基百科的可打印版本，但我不需要任何标签，因为我还有其他用途。因此，请仅回答原始问题，关于任何网站或网络服务或 php/C# 中的代码片段以从网页中删除标签。

也就像当我从 Firefox 复制一些列表时它替换<li>为 *，是否可以在 Firefox 中设置一些东西以返回一些其他不可读的字符，比如某种

我在我的应用程序中嵌入了 Wikipedia 页面，我想展示与 Google Earth 相同的简化摘要。（它给出了前几段和完整内容的链接，没有任何严肃的布局。）

我知道 printable=true 选项，但这不是我想要的。

我最近使用了维基百科的功能“这里有什么链接”（位于任何条目左侧菜单的“工具箱”元素下），它让我开始想知道这个功能是如何工作的。
我猜在链接之后搜索所有文章条目不是很有效，那么所有链接都存储在单独的数据库中吗？如果是这样，这是在编辑文章时更新还是在其他时间更新？

谢谢。

示例文本：字符串-> rev 标记中的内容（通过 lxml）。

我正在尝试删除文本中的 {{BLOCKS}}。

我使用以下正则表达式来删除简单的一行块：

但是，这不会删除内容开头的第一个多行括号部分。如何删除多行的大括号块？

编辑：

答案的解决方案：

对于我的一个NLP项目，我想从 Wikipedia 随机下载大量页面（比如 10000 个）。在不下载整个 XML 转储的情况下，这是我能想到的：

1. 打开维基百科页面
2. 以广度优先搜索方式解析链接的 HTML 并打开每个页面
3. 在2中获得的页面上递归打开链接

在第 2 步和第 3 步中，如果我达到了我想要的页数，我将退出。

你会怎么做？请提出您能想到的更好的想法。

答案：这是我的 Python 代码：

通过一些练习来磨练我的二叉树技能，我决定实现一个展开树，如Wikipedia: Splay tree中所述。

我没有得到的一件事是关于插入的部分。

它说：

首先，我们在展开树中搜索 x。如果 x 不存在，那么我们不会找到它，而是找到它的父节点 y。其次，我们对 y 执行展开操作，这会将 y 移动到展开树的根部。第三，我们以适当的方式插入新节点 x 作为根。这样，y 要么是新根 x 的左孩子，要么是右孩子。

我的问题是：与文章中的其他示例相比，上述文字似乎过于简洁，这是为什么呢？似乎这里遗漏了一些问题。例如，在将 y 节点展开到根节点后，我不能盲目地将根节点替换为 x，然后将 y 作为左子节点或右子节点附加到 x 上。

让我们假设树中不存在该值。

我有这棵树：

我想插入 8。根据上面的描述，我将找到 6 节点，并且在正常的二叉树中，8 将作为 6 节点的右子节点添加，但是在这里我首先必须展开6 节点到根：

那么这两个显然是错误的：

在我看来，首先进行展开，然后将新值正确添加为根的唯一方法意味着我必须检查以下标准（将展开的节点添加为新根的左子节点）：

1. 我张开到根的节点小于新根（6 < 8）
2. 我展开到根节点的最右边的子节点也小于新根节点 (20 8)

但是，如果我要拆分我展开的节点，通过获取右子节点并将其附加为新节点的右子节点，我会得到：

但是，这种简单的改变是否总能给我一棵正确的树？我很难想出一个例子，但这会导致以下情况：

• 我要添加的新值高于临时根（我张开到根的节点），但也高于临时根的右孩子的最左边的孩子？

IE。一棵树在张开后基本上看起来像这样，但在我替换根之前？

我想添加 13，这将使新树像这样：

或者这永远不会发生？

我的第二个问题是这样的：将操作重写如下会不会容易得多：

首先，我们在展开树中搜索 x。如果 x 不存在，那么我们不会找到它，而是找到它的父节点 y。然后我们将新节点添加为父节点的左子节点或右子节点。第三，我们在添加的节点上执行 splay 操作，这会将新值移动到 splay 树的根。

强调我的以显示我所做的更改。

当您使用 iPhone 访问 en.wikipedia.org 时，您会被转发到 en.m.wikipedia.org，该页面的格式非常适合设备。我在自己的服务器上有 MediaWiki，我希望在我用 iPhone 访问我的网站时可以使用这种格式。有没有一种简单的方法可以实现这一点？我已经访问了 www.mediawiki.org/wiki/Manual:$wgHandheldForIPhone 和http://www.mediawiki.org/wiki/Extension:MobileSkin，但我没有任何反应。