Question

维基百科文章可能有Infobox模板。通过以下调用，我可以获得包含Infobox的文章的第一部分。

http://en.wikipedia.org/w/api.php?action=parse&pageid=568801&section=0&prop=wikitext

我想要的是一个只返回Infobox数据的查询。这可能吗？

Answer 1

您可以使用对此维基百科API的网址调用来执行此操作：

http://en.wikipedia.org/w/api.php?action=query&prop=revisions&rvprop=content&format=xmlfm&titles=Scary%20Monsters%20and%20Nice%20Sprites&rvsection=0

如果您想要json格式的文章，请将titles=部分替换为您的网页标题，将format=xmlfm替换为format=json。

Answer 2

不要自己解析信息框，这很复杂，请查看DBPedia，其中维基百科信息框被提取为数据库对象。

Answer 3

在@ garry的答案的基础上，您可以让维基百科通过rvparse参数将信息框解析为html，如下所示：

http://en.wikipedia.org/w/api.php?action=query&prop=revisions&rvprop=content&format=json&titles=Scary%20Monsters%20and%20Nice%20Sprites&rvsection=0&rvparse

请注意，这两种方法都不会返回信息框。但是从html内容中，您可以使用类table提取（通过例如beautifulsoup）infobox。

在Python中，您可以执行以下操作

resp = requests.get(url).json()
page_one = next(iter(resp['query']['pages'].values()))
revisions = page_one.get('revisions', [])
html = next(iter(revisions[0].values()))
# now parse the html

Answer 4

如果页面有右侧信息框，则使用此URL以txt格式获取。我的例子是使用氢元素。您需要做的就是更换＆＃34; Hydrogen＆＃34;与你的头衔。

https://en.wikipedia.org/w/index.php?action=raw&title=Template:Infobox%20hydrogen

如果您正在寻找使用此URL的JSON格式，但它并不漂亮。

https://en.wikipedia.org/w/api.php?action=parse&page=Template:Infobox%20hydrogen&format=json

如何从Mediawiki API的维基百科文章中获取Infobox？

4 个答案: