我正在尝试从维基百科文章中提取有组织的类别列表及其子类别。
文章是：http://en.wikipedia.org/wiki/Outline_of_academic_disciplines
它不必动态编码到我的网站中。我也愿意借助电子表格（importxml，importhtml等语句）手动提取数据。
但是，对于上面的文章，我仍然没有找到一种优雅的方法（电子表格提取或通过API）。 （通过查看源代码，您可以看到importhtml带有表作为查询输入单个单元格中的所有列表项，importhtml带有列表，因为查询不区分列表（即：没有办法知道哪些列表是哪些类别的子列表））。
有人可以提供一些建议。
答案 0 :(得分：0)
在维基百科＆＃34;类别＆＃34;是一个特定术语：要通过API获取该文章的类别，查询如下：
http://en.wikipedia.org/w/api.php?format=xml&action=query&prop=categories&titles=Outline%20of%20academic%20disciplines
但是，据我所知，您需要该表中列出的维基百科文章的所有网址。
有几种方法可以做到这一点： 最简单的是从文章（here）中取出wikicode，将其粘贴在一个好的编辑器中（我推荐Sublime），然后你就可以使用Search＆amp;更换以刮掉＆＃34; [[＆＃34;＆＃34;和＆＃34;]]＆＃34;，并在每篇文章前添加网址
http://en.wikipedia.org/wiki/
通过它，您可以获得该页面中提到的文章的完整URL列表。 希望这是你寻求的（你提到一些代码，但我看不到任何代码）。