是否有一个干净的维基百科API仅用于检索内容摘要？

Question

我只需要检索维基百科页面的第一段。内容必须是html格式化，随时可以在我的网站上显示（所以没有BBCODE或WIKIPEDIA特殊代码！）

Answer 1

有一种方法可以在没有任何html解析的情况下获得整个“介绍部分”！类似于AnthonyS的answer以及额外的explaintext param，您可以以纯文本形式获取介绍部分文本。

询问

以纯文本格式获取Stack Overflow的简介：

https://en.wikipedia.org/w/api.php?format=json&action=query&prop=extracts&exintro&explaintext&redirects=1&titles=Stack%20Overflow

JSON Response

（警告剥离）

{
    "query": {
        "pages": {
            "21721040": {
                "pageid": 21721040,
                "ns": 0,
                "title": "Stack Overflow",
                "extract": "Stack Overflow is a privately held website, the flagship site of the Stack Exchange Network, created in 2008 by Jeff Atwood and Joel Spolsky, as a more open alternative to earlier Q&A sites such as Experts Exchange. The name for the website was chosen by voting in April 2008 by readers of Coding Horror, Atwood's popular programming blog.\nIt features questions and answers on a wide range of topics in computer programming. The website serves as a platform for users to ask and answer questions, and, through membership and active participation, to vote questions and answers up or down and edit questions and answers in a fashion similar to a wiki or Digg. Users of Stack Overflow can earn reputation points and \"badges\"; for example, a person is awarded 10 reputation points for receiving an \"up\" vote on an answer given to a question, and can receive badges for their valued contributions, which represents a kind of gamification of the traditional Q&A site or forum. All user-generated content is licensed under a Creative Commons Attribute-ShareAlike license. Questions are closed in order to allow low quality questions to improve. Jeff Atwood stated in 2010 that duplicate questions are not seen as a problem but rather they constitute an advantage if such additional questions drive extra traffic to the site by multiplying relevant keyword hits in search engines.\nAs of April 2014, Stack Overflow has over 2,700,000 registered users and more than 7,100,000 questions. Based on the type of tags assigned to questions, the top eight most discussed topics on the site are: Java, JavaScript, C#, PHP, Android, jQuery, Python and HTML."
            }
        }
    }
}

文档：API: query/prop=extracts

编辑：根据评论中的建议添加&redirects=1。

Answer 2

我的方法如下（在PHP中）：

abstract.xml.gz dump

$url = "whatever_you_need" $html = file_get_contents('https://en.wikipedia.org/w/api.php?action=opensearch&search='.$url); $utf8html = html_entity_decode(preg_replace("/U\+([0-9A-F]{4})/", "&#x\\1;", $html), ENT_NOQUOTES, 'UTF-8');可能需要进一步清洁，但基本上就是这样。

Answer 3

我试过@Michael Rapadas和@Krinkle的解决方案，但在我的情况下，我很难找到一些取决于大写的文章。像这儿：

$utf8html

注意我用https://en.wikipedia.org/w/api.php?format=json&action=query&prop=extracts&exintro=&exsentences=1&explaintext=&titles=Led%20zeppelin截断了响应

显然“标题规范化”无法正常工作：

标题规范化将页面标题转换为其规范形式。这意味着将第一个字符大写，用空格替换下划线，并将名称空间更改为为该Wiki定义的本地化表单。无论使用哪个查询模块，标题归一化都是自动完成的。但是，页面标题（\ n）中的任何拖尾换行都会导致奇怪的行为，应该首先删除它们。

我知道我可以很容易地解决大写问题，但也有不得不将对象转换为数组。

所以因为我真的想要一个众所周知的定义搜索的第一段（没有从另一篇文章中获取信息的风险）我这样做了：

exsentences=1

请注意，在这种情况下，我使用https://en.wikipedia.org/w/api.php?action=opensearch&search=led%20zeppelin&limit=1&format=json进行了截断

这条路：

我可以非常轻松地访问响应数据。
反应非常小。

但我们必须小心搜索大写。

更多信息：limit=1

Answer 4

如果您只是在寻找可以拆分但不想使用API的文本，请查看en.wikipedia.org/w/index.php?title=Elephant&action=raw

Answer 5

实际上有一个名为extracts的非常好的道具可以用于专门为此目的设计的查询。提取允许您获取文章摘录（截断的文章文本）。有一个名为exintro的参数可用于检索第0部分中的文本（没有其他资源，如图像或信息框）。您还可以检索更精细的提取，例如通过一定数量的字符（exchars）或一定数量的句子（exsentences）

这是一个示例查询http://en.wikipedia.org/w/api.php?action=query&prop=extracts&format=json&exintro=&titles=Stack%20Overflow和API沙箱http://en.wikipedia.org/wiki/Special:ApiSandbox#action=query&prop=extracts&format=json&exintro=&titles=Stack%20Overflow，以便对此查询进行更多实验。

请注意，如果您想要特定的第一段，您仍需要按照所选答案中的建议进行一些额外的解析。这里的区别在于此查询返回的响应比建议的其他一些api查询要短，因为您在api响应中没有其他资产，例如图像。

Answer 6

自2017年以来，维基百科提供了更好的缓存REST API。在the documentation中，您可以找到以下API，它完全适合您的使用案例。（因为它被新的Page Previews功能使用）

qazxsw poi返回以下数据，可用于显示带有小缩略图的摘要：

https://en.wikipedia.org/api/rest_v1/page/summary/Stack_Overflow

默认情况下，它遵循重定向（这样{ "type": "standard", "title": "Stack Overflow", "displaytitle": "Stack Overflow", "extract": "Stack Overflow is a question and answer site for professional and enthusiast programmers. It is a privately held website, the flagship site of the Stack Exchange Network, created in 2008 by Jeff Atwood and Joel Spolsky. It features questions and answers on a wide range of topics in computer programming. It was created to be a more open alternative to earlier question and answer sites such as Experts-Exchange. The name for the website was chosen by voting in April 2008 by readers of Coding Horror, Atwood's popular programming blog.", "extract_html": "Stack Overflow is a question and answer site for professional and enthusiast programmers. It is a privately held website, the flagship site of the Stack Exchange Network, created in 2008 by Jeff Atwood and Joel Spolsky. It features questions and answers on a wide range of topics in computer programming. It was created to be a more open alternative to earlier question and answer sites such as Experts-Exchange. The name for the website was chosen by voting in April 2008 by readers of Coding Horror, Atwood's popular programming blog.", "namespace": { "id": 0, "text": "" }, "wikibase_item": "Q549037", "titles": { "canonical": "Stack_Overflow", "normalized": "Stack Overflow", "display": "Stack Overflow" }, "pageid": 21721040, "thumbnail": { "source": "https://upload.wikimedia.org/wikipedia/en/thumb/f/fa/Stack_Overflow_homepage%2C_Feb_2017.png/320px-Stack_Overflow_homepage%2C_Feb_2017.png", "width": 320, "height": 149 }, "originalimage": { "source": "https://upload.wikimedia.org/wikipedia/en/f/fa/Stack_Overflow_homepage%2C_Feb_2017.png", "width": 462, "height": 215 }, "lang": "en", "dir": "ltr", "revision": "902900099", "tid": "1a9cdbc0-949b-11e9-bf92-7cc0de1b4f72", "timestamp": "2019-06-22T03:09:01Z", "description": "website hosting questions and answers on a wide range of topics in computer programming", "content_urls": { "desktop": { "page": "https://en.wikipedia.org/wiki/Stack_Overflow", "revisions": "https://en.wikipedia.org/wiki/Stack_Overflow?action=history", "edit": "https://en.wikipedia.org/wiki/Stack_Overflow?action=edit", "talk": "https://en.wikipedia.org/wiki/Talk:Stack_Overflow" }, "mobile": { "page": "https://en.m.wikipedia.org/wiki/Stack_Overflow", "revisions": "https://en.m.wikipedia.org/wiki/Special:History/Stack_Overflow", "edit": "https://en.m.wikipedia.org/wiki/Stack_Overflow?action=edit", "talk": "https://en.m.wikipedia.org/wiki/Talk:Stack_Overflow" } }, "api_urls": { "summary": "https://en.wikipedia.org/api/rest_v1/page/summary/Stack_Overflow", "metadata": "https://en.wikipedia.org/api/rest_v1/page/metadata/Stack_Overflow", "references": "https://en.wikipedia.org/api/rest_v1/page/references/Stack_Overflow", "media": "https://en.wikipedia.org/api/rest_v1/page/media/Stack_Overflow", "edit_html": "https://en.wikipedia.org/api/rest_v1/page/html/Stack_Overflow", "talk_page_html": "https://en.wikipedia.org/api/rest_v1/page/html/Talk:Stack_Overflow" } }也可以工作），但这可以通过/api/rest_v1/page/summary/StackOverflow禁用

如果您需要从另一个域访问API，可以使用?redirect=false设置CORS标头（例如&origin=）

更新2019：API似乎返回有关页面的更多有用信息。

Answer 7

此代码允许您以纯文本格式检索页面第一段的内容。

这个答案的部分来自&origin=*，因此here。有关更多信息，请参阅here。

MediaWiki API documentation

Answer 8

就在这里。例如，如果您想获取文章// action=parse: get parsed text // page=Baseball: from the page Baseball // format=json: in json format // prop=text: send the text content of the article // section=0: top content of the page $url = 'http://en.wikipedia.org/w/api.php?format=json&action=parse&page=Baseball&prop=text&section=0'; $ch = curl_init($url); curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1); curl_setopt ($ch, CURLOPT_USERAGENT, "TestScript"); // required by wikipedia.org server; use YOUR user agent with YOUR contact information. (otherwise your IP might get blocked) $c = curl_exec($ch); $json = json_decode($c); $content = $json->{'parse'}->{'text'}->{'*'}; // get the main text content of the query (it's parsed HTML) // pattern for first match of a paragraph $pattern = '#(.*)#Us'; // http://www.phpbuilder.com/board/showthread.php?t=10352690 if(preg_match($pattern, $content, $matches)) { // print $matches[0]; // content of the first paragraph (including wrapping tag) print strip_tags($matches[1]); // Content of the first paragraph without the HTML tags. }的第一部分的内容，请使用如下查询：

Stack Overflow

这些部分意味着：

http://en.wikipedia.org/w/api.php?format=xml&action=query&prop=revisions&titles=Stack%20Overflow&rvprop=content&rvsection=0&rvparse：将结果格式化程序返回为XML。其他选项（如JSON）可用。这不会影响页面内容本身的格式，只会影响封闭的数据格式。
format=xml：获取有关页面修订的信息。由于我们没有指定哪个版本，因此使用了最新版本。
action=query&prop=revisions：获取有关页面titles=Stack%20Overflow的信息。如果你用Stack Overflow分隔它们的名字，就可以一次性得到更多页面的文本。
|：返回修订版的内容（或文本）。
rvprop=content：仅返回第0部分的内容。
rvsection=0：返回解析为HTML的内容。

请记住，这会返回整个第一部分，包括帽子（“其他用途...”），信息框或图像等内容。

有几种库可用于各种语言，这使得使用API更容易，如果您使用其中一种，可能会更好。

Answer 9

这是我正在使用的代码，我正在制作的网站需要获得关于维基百科文章的主要段落/摘要/第0部分，并且所有这些都是在浏览器（客户端javascript）内完成的，这要归功于magick JSONP！ - > rvparse

它使用Wikipedia API来获取HTML中的前导段落（称为第0部分），如下所示：http://jsfiddle.net/gautamadude/HMJJg/1/

然后它会删除HTML和其他不需要的数据，为您提供一个干净的文章摘要字符串，如果您愿意，可以通过一些调整，在前导段落周围获得一个“p”html标记，但现在只有一个换行符他们之间的性格。

码：

http://en.wikipedia.org/w/api.php?format=json&action=parse&page=Stack_Overflow&prop=text&section=0&callback=?

Answer 10

此URL将以xml格式返回摘要。

var url = "http://en.wikipedia.org/wiki/Stack_Overflow";
var title = url.split("/").slice(4).join("/");

//Get Leading paragraphs (section 0)
$.getJSON("http://en.wikipedia.org/w/api.php?format=json&action=parse&page=" + title + "&prop=text&section=0&callback=?", function (data) {
    for (text in data.parse.text) {
        var text = data.parse.text[text].split("<p>");
        var pText = "";

        for (p in text) {
            //Remove html comment
            text[p] = text[p].split("<!--");
            if (text[p].length > 1) {
                text[p][0] = text[p][0].split(/\r\n|\r|\n/);
                text[p][0] = text[p][0][0];
                text[p][0] += "</p> ";
            }
            text[p] = text[p][0];

            //Construct a string from paragraphs
            if (text[p].indexOf("</p>") == text[p].length - 5) {
                var htmlStrip = text[p].replace(/<(?:.|\n)*?>/gm, '') //Remove HTML
                var splitNewline = htmlStrip.split(/\r\n|\r|\n/); //Split on newlines
                for (newline in splitNewline) {
                    if (splitNewline[newline].substring(0, 11) != "Cite error:") {
                        pText += splitNewline[newline];
                        pText += "\n";
                    }
                }
            }
        }
        pText = pText.substring(0, pText.length - 2); //Remove extra newline
        pText = pText.replace(/\[\d+\]/g, ""); //Remove reference tags (e.x. [1], [4], etc)
        document.getElementById('textarea').value = pText
        document.getElementById('div_text').textContent = pText
    }
});

我创建了一个从维基百科中获取关键字描述的函数。

http://lookup.dbpedia.org/api/search.asmx/KeywordSearch?QueryString=Agra&MaxHits=1

Answer 11

您还可以通过function getDescription($keyword){ $url='http://lookup.dbpedia.org/api/search.asmx/KeywordSearch?QueryString='.urlencode($keyword).'&MaxHits=1'; $xml=simplexml_load_file($url); return $xml->Result->Description; } echo getDescription('agra');获取第一个pagagraph等内容，该内容包含Wikipedia内容并从中创建结构化信息（RDF）并通过API提供。 DBPedia API是一个SPARQL（基于RDF），但它输出JSON，它很容易包装。

作为一个例子，这是一个名为WikipediaJS的超级简单JS库，它可以提取结构化内容，包括摘要第一段：DBPedia

你可以在这篇博文中了解更多相关信息：http://okfnlabs.org/wikipediajs/

JS库代码可以在这里找到：http://okfnlabs.org/blog/2012/09/10/wikipediajs-a-javascript-library-for-accessing-wikipedia-article-information.html

Answer 12

https://github.com/okfn/wikipediajs/blob/master/wikipedia.js听起来像你想要的那个。

是否有一个干净的维基百科API仅用于检索内容摘要？

问题描述投票：133回答：12

12个回答

询问

JSON Response

最新问题

是否有一个干净的维基百科API仅用于检索内容摘要？

问题描述 投票：133回答：12

12个回答

询问

JSON Response

最新问题

问题描述投票：133回答：12