我想知道Objective-C中是否存在任何现有库或者可以从Objective-C访问哪些库，这样我就可以抓取格式为this one的页面。具体而言，所有日期和每个日期旁边的所有文本。如果没有，那么最好的方法是什么？常用表达？我听说NSString可能已经有了内置的方法。这是真的吗？
我正在四处寻找是否有任何替代方法，例如XML文件或API。我找到了一个API，但我看到的唯一客户端是其他语言，他们似乎只能将内容发布到页面，而不是检索它。
编辑：所以我在这些链接中找到了有关API的更多信息：
我能够提出this request返回一些HTML编码文本（格式是XML，但它包含页面的文本，例如»a href=等。我会继续浏览文档，看看我能否做到这一点好一点，如果没有，是否有解析这个的建议？
编辑2 ：好的，感谢this doc page，我能够检索数据的最简单，最干净的方法是使用此constructed link返回原始数据（在wiki标记中）相关部分。但是，我想我需要解析它，但如果确实如此，它应该比整篇文章容易得多。
有没有人对解析wiki标记有任何建议，例如Objective-C中的以下内容？
==Events==
* [[710]] – [[Saracen]] invasion of [[Sardinia]].
*[[1275]] – Traditional founding of the city of [[Amsterdam]].
*[[1682]] – [[Philadelphia]], [[Pennsylvania]] is founded.
我想要最终得到的是，我想一个NSDictionary或类似的集合，它将使用随附的信息片段存储日期。谢谢！
答案 0 :(得分：4)
如API:Data_formats所述，在查询末尾添加&format=fmt。例如，您的查询变为：JSON query。您可以指定XML，JSON或许多其他格式。
您可以轻松解析整个部分，然后只将HTML格式的输出显示到Webview中。
答案 1 :(得分：3)
鉴于维基百科上的页面以明文形式存储，并由用户以明文形式输入，因此您不会从中获取结构化数据集。
答案 2 :(得分：3)
我以各种方式从WP中删除了大量数据。格式取决于很多东西，包括信息所在的子域类型以及输入时间。主要文本是自由格式，并没有简单的方法来刮它。信息框采用特殊的WP格式，多年来一直在变化。它不是为了被刮掉而设计的。
有一个数据库支持WP，它更有条理。
到目前为止，您最好的策略是联系您想要搜索的域中的维基人 - 他们将了解数据库格式并且可能能够提供帮助 - 他们肯定会希望提供帮助他们希望以语义形式看到WP（例如DBPedia - http://dbpedia.org/About）。
答案 3 :(得分：2)
Python算了吗？ ;）可从Objective-C 访问。 并且有很多用于刮擦的模块：美丽的肥皂和/或机械化，你也可以考虑lxml。
答案 4 :(得分：1)
我将建议使用正则表达式在混合HTML数据流中进行目标数据提取。
手机上已有RegEx库，但它们有点隐藏 - 您可以使用RegexKitLite通过几个简单的调用来公开它们（确保向下滚动并获得简易版本）。它最终是一个在NSString上有一些扩展的类，它允许你做正则表达式，然后你将定义一个带有两个捕获的匹配的正则表达式 - 一个用于数字，一个用于内容，以及一些非捕获的匹配封闭和中间标签。即使它是标准RegEX的“精简”版本，它也只支持你需要的任何能力。
API方法很有前景，但是一旦获得原始标记，您可能不得不采用类似的正则表达式来解析数据。如果它减少了正则表达式的复杂性和数据传输时间，它仍然有意义，没有理由你不能将这两种方法结合起来。
答案 5 :(得分：0)
这绝对不是以任何语言进行的方式。
如果任何在线网站以良好的方式公开他们的数据，它将是维基百科。
考虑将文章作为XML，RDF或甚至是JSON。
答案 6 :(得分：0)
我有一个使用以下内容进行屏幕刮擦的iPhone应用程序：
使用YQL，您可以通过对DOM使用XPATH查询从Web获取所需的任何信息。
我个人认为它比使用Regex要好得多。然后我再次只知道非常简单的正则表达式。