使用mediawiki api获取mediawiki链接的https链接

Question

我正在尝试处理用户输入，例如

• FOO
• wikt：FOO
• Bar＃hi there

获取输入的https链接，例如

• https://en.wikipedia.org/wiki/foo
• https://en.wiktionary.org/wiki/foo
• https://en.wikipedia.org/wiki/Bar#hi_there

我试图以最少的手动，最干净的方式做到这一点，所以我可以将我的脚本上传到某个地方并向人们展示，而不会因为它的低质量而感到羞耻。这意味着：

• 如果我获取http链接而不是https，我宁愿不对s/^http/^https/替换进行硬编码。
• 如果我获得了不完整的链接，我宁愿不使用正则表达式来添加缺失的内容。

到目前为止，我找到了两个解决方案，但每个解决方案都有缺陷。

解析查询

使用canonicalurl magic word在{{canonicalurl：user_input_here}}上运行解析查询。它只提供http，而不是https链接。

#!/usr/bin/perl
use strict;
use warnings;
use MediaWiki::API;
use Data::Dumper;

my $mw = MediaWiki::API->new();
$mw->{config}->{api_url} = 'https://en.wikipedia.org/w/api.php';

my $info_ref = $mw->api ( {
    action      => 'parse',
    prop        => 'text',
    text        => '{{canonicalurl:Hello}}',
} ) or die $mw->{error}->{code} . ': ' . $mw->{error}->{details};
my $html = $info_ref->{parse}{text}{'*'};
print Dumper $html;

信息查询

使用信息查询。但它不适用于部分，即“Foo＃bar”输入将获得链接到“Foo”的输出。

#!/usr/bin/perl
use strict;
use warnings;
use MediaWiki::API;

my $mw = MediaWiki::API->new();
$mw->{config}->{api_url} = 'https://en.wikipedia.org/w/api.php';

sub get_url_by_title(){
  my $title = shift;

  my $info_ref = $mw->api ( {
    action      => 'query',
    prop        => 'info',
    inprop      => 'url',
    iwurl       => 1,
    titles     => $title,
  } ) or die $mw->{error}->{code} . ': ' . $mw->{error}->{details};

    if (exists $info_ref->{query}{pages}){
      return (values $info_ref->{query}{pages})[0]{'fullurl'};
    }
    elsif (exists $info_ref->{query}{interwiki}){
      return (values  $info_ref->{query}{interwiki})[0]{'url'};
    }
}

Answer 1

Canonical url指的是wiki规范的url类型。在Wikimedia的当前配置中，这是http。 （如果有一天改变，我不会感到惊讶）。您可以看到的是{{fullurl：Pagename}}。如果http和https都有效，它将以“//”开头的URL响应。否则它将以正常的URL响应。

信息查询（你的第二种方法）可能会更好，因为它不会调用解析器（这对服务器的工作要少一些，尽管这无关紧要）。它总是可以只是将目标（或＃符号被称为无日期之后的任何部分）放到网址的末尾。