Question

我有一套像

这样的完整网址

http://en.wikipedia.org/wiki/Episkopi_Bay
http://en.wikipedia.org/wiki/Monte_Lauro
http://en.wikipedia.org/wiki/Lampedusa
http://en.wikipedia.org/wiki/Himera
http://en.wikipedia.org/wiki/Lago_Cecita
http://en.wikipedia.org/wiki/Aspromonte

我想为这些网址找到 维基百科网页 。我之前使用过Mediawiki API，但我无法弄清楚如何做到这一点。

我尝试通过获取lastindexof（＆＃34; /＆＃34;）的子字符串和最后一个字符从URL中提取页面标题，然后查询API以获取pageid。

http://en.wikipedia.org/wiki/Episkopi_Bay --> Episkopi_Bay
http://en.wikipedia.org/wiki/Monte_Lauro --> Monte_Lauro
http://en.wikipedia.org/wiki/Lampedusa -- > Lampedusa
http://en.wikipedia.org/wiki/Himera --> Himera
http://en.wikipedia.org/wiki/Lago_Cecita --> Lago_Cecita
http://en.wikipedia.org/wiki/Aspromonte --> Aspromonte

但问题是我的一些链接可能是重定向，因此子字符串可能并不总是页面的标题。

TL; DR：如何从网址中找到维基百科页面的pageid？

Answer 1

我不确定你打电话是什么＆＃34;页面ID＆＃34;是页面的标识号（例如，英语维基百科主页面的15580374 - 在＆＃34;页面信息＆＃34;左栏中的toobox中找到）或已解析重定向的页面的标准化标题。下面的答案将回答两者。

您可以使用API action = query，例如https://en.wikipedia.org/w/api.php?action=query&titles=Main%20Page您将在其中找到最少的信息，其页面ID（数字）。

您还可以管理更复杂的案例：标题规范化和/或重定向。标题化规范化（初始资本，下划线改为空格，各种unicode normalisations iirc等）包含在开箱即用中。对于重定向，您必须通过添加＆＃34;＆amp; redirects＆＃34;来具体询问。到URL（请注意，双重重定向（=重定向的重定向）将不起作用，但不应该在那里）。示例：https://en.wikipedia.org/w/api.php?action=query&titles=main_page&redirects

如果您需要更多信息，可以查看https://en.wikipedia.org/w/api.php?action=help&modules=query%2Binfo。

Answer 2

您可以在查询中添加＆indexpageids。

例如

https://en.wikipedia.org/w/api.php?action=query&format=json&titles=Main%20Pages&indexpageids

或者如果您要同时查找摘要，请参见以下更全面的示例链接：

https://en.wikipedia.org/w/api.php?action=query&format=json&titles=barberton%20daisy&prop=extracts&exintro&explaintext&redirects=1&indexpageids

然后，如果您解析JSON，则会在查询下看到一个名为pageids的属性

Answer 3

如果您只有URL，并且对wiki一无所知，则不能假设最后/之后的部分是页面标题，因为MediaWiki页面名称为may contain {{ 1}}。相反，您必须首先查询siteinfo API，如下所示：

在回复中，https://www.mediawiki.org/wiki/API:Siteinfo和query.general.server合并将为您提供网址结构，query.general.articlepath将为您提供scriptpath。对于名为query.general.script的文章，根据您的网址来源，您需要展位，帐户的默认格式//mywiki/scriptpath/index.php?title=Namespace:Foo/Bar和短网址格式//mywiki/articlepath/Namespace:Foo/Bar。

更糟糕的是，“文章名称”中的斜杠可以是名称的一部分，也可以是子页面的分隔符，具体取决于该名称空间的设置！

如果您知道手头的wiki的url语法，@ Seb35已经回答了您的所有问题。

Answer 4

使用action=query进行API调用会给您文章的pageid：

https://xx.wikipedia.org/w/api.php?action=query&format=json&titles=searched_title

提供类似JSON的

{
    "batchcomplete": "",
    "query": {
        "pages": {
            "xxxx": {
                "pageid": xxxx,
                "ns": 0,
                "title": "searched_title"
            }
        }
    }
}

Wikipedia Mediawiki API从URL获取Pageid

4 个答案: