如何通过URL区分维基百科文章？

Question

维基百科上有许多页面不是文章，例如如何通过URL将它们与文章区分开来？

Answer 1

简短的回答是你不能单独使用正则表达式。

较长的答案是MediaWiki文章被命名空间划分，命名空间又使用冒号作为标记，如“Talk：Foo”。因此，标题中没有冒号的文章绝对位于主（= content）命名空间中。问题是，带有冒号的文章可能在另一个命名空间中，或是content articles that happen to contain a colon，而且由于WP的命名空间列表很长而且不断变化，你不能（或者至少不应该） '）在正则表达式中对此列表进行硬编码。

因此，正确的答案是使用MediaWiki API来迭代/搜索主命名空间中的文章。

Answer 2

您可以通过以下查询使用其API来获取Wikipedia名称空间及其别名列表：

http://en.wikipedia.org/w/api.php?action=query&meta=siteinfo&siprop=namespaces

然后，如果第一个冒号之前的页面标题部分与任何已知的命名空间匹配，那么它不是文章;否则就是。