我对MediaWiki很新，现在我遇到了一些问题。 我有一些Wiki页面的标题，我想使用 api.php 获取所述页面的文本，但我在API中找到的所有内容都是获取Wiki内容的一种方式页面（带有wiki标记）。我使用了这个HTTP请求......
/api.php?action=query&prop=revisions&rvlimit=1&rvprop=content&format=xml&titles=test
但我只需要文本内容，没有Wiki标记。 这可能与MediaWiki API有关吗？
答案 0 :(得分：64)
使用action=parse获取html：
/api.php?action=parse&page=test
从html获取文本的一种方法是将其加载到浏览器中并使用JavaScript遍历节点，仅查找文本节点。
答案 1 :(得分：38)
API的TextExtracts扩展程序可以解决您的问题。使用prop=extracts获得清理回复。例如，this link will give you cleaned up text for the Stack Overflow article。同样不错的是，它仍然包含部分标签，因此您可以识别文章的各个部分。
只是在我的回答中包含一个可见的链接，上面的链接如下：
/api.php?format=xml&action=query&prop=extracts&titles=Stack%20Overflow&redirects=true
编辑：正如Amr所提到的，TextExtracts是MediaWiki的扩展名，因此不一定适用于每个MediaWiki网站。
答案 2 :(得分：28)
在MediaWiki页面的末尾添加?action=raw会以原始文本格式返回最新内容。例如： - https://en.wikipedia.org/wiki/Main_Page?action=raw
答案 3 :(得分：23)
您可以使用explaintext参数从API获取文本格式的wiki数据。另外，如果您需要访问许多标题＆＃39;信息，您可以获得所有标题＆＃39;一次通话中的维基数据。使用竖线字符|分隔每个标题。例如，此API调用将返回来自＆＃34; Google＆＃34;和＃34;雅虎＆＃34;网页：
http://en.wikipedia.org/w/api.php?format=json&action=query&prop=extracts&exlimit=max&explaintext&exintro&titles=Yahoo|Google&redirects=
参数：
explaintext：将摘录提取为纯文本而不是有限的HTML。exlimit=max：返回多个结果。最大值目前是20。exintro：仅返回第一部分之前的内容。如果您想要完整数据，只需删除它。redirects=：解决重定向问题。答案 4 :(得分：9)
答案 5 :(得分：5)
我认为不可能使用API来获取文本。
对我有用的是请求HTML页面（使用您在浏览器中使用的普通URL）并删除内容div下的HTML标记。
编辑：
我使用HTML Parser获得了很好的结果。它提供了如何在给定DIV下去除HTML标记的示例。
答案 6 :(得分：2)
来到此问题的Python用户可能对wikipedia模块（docs）感兴趣：
import wikpedia
wikipedia.set_lang('de')
page = wikipedia.page('Wikipedia')
print(page.content)
除了部分（==）之外，每个格式都被条纹化了。
答案 7 :(得分：2)
使用action = render获取最干净的页面：
https://wiki.eclipse.org/Tip_of_the_Day/Eclipse_Tips/Now_where_was_I?action=render
VS
https://wiki.eclipse.org/Tip_of_the_Day/Eclipse_Tips/Now_where_was_I
答案 8 :(得分：0)
没有任何格式符号的Wiki页面在很多情况下都没有多大意义。
如果你愿意，你可以自己去除格式，但是你会在这个过程中破坏一些东西。
（除非您正在创建类似搜索引擎的内容，在这种情况下，您只需要文本部分，并且可以完全忽略格式符号）
答案 9 :(得分：-4)
将内容放入页面后，您可以做一件事 - 您可以使用PHP函数strip_tags()删除HTML标记。