来自URL的Wikipedia页面ID

Question

我正在解析java中的wikipedia转储。在我的模块中，我想知道当前页面引用的wiki内部页面的页面ID。从中获取内部链接以及网址很容易。但是如何从网址获取网页ID。

我是否必须使用一些mediaWiki？如果是的话 还有其他选择吗？

例如：http://en.wikipedia.org/wiki/United_States 我想得到它的Page-Id，即3434750

Answer 1

您可以使用API​​。具体来说，查询看起来像：

http://en.wikipedia.org/w/api.php?action=query&titles=United_States

（您还可以在titles参数中指定多个页面标题，以|分隔。）

作为替代方案，您可以下载page.sql dump（英文维基百科的1 GB压缩版），其中也包含此信息。要实际查询它，您可以将其导入MySQL数据库然后查询，或者您可以直接解析SQL。

Answer 2

如果您无法使用API​​，则始终可以通过将?action=info附加到网址来获取信息页面中的pageID。应该为解析器提供更好的起点。

上面的示例：https://en.wikipedia.org/wiki/United_States?action=info