NLP人类生成的字幕

Question

我需要高质量的人工字幕。如何查询维基百科存储的标题。示例返回所有包含单词直升飞机的标题

Answer 1

您无法查询Wikipedia字幕（当然，可以对它们进行屏幕抓取）。 Wikimedia Commons虽然有一些机器可读的标题（正在转换为更具结构化的数据格式，这是in the process），但转储尚不可用（请参阅T221917和T174031），因此您可能不会最好使用这些。

如果您不需要大量数据，则可以查看Commons的每日图片，其标题以可预测的名称Template:Potd/YYYY-MM-DD_(LL)（例如https://commons.wikimedia.org/wiki/Template:Potd/2020-05-01_(en)）存储在单独的页面中。不过，您仍然必须进行一些轻量级的Wikitext或HTML解析。