Question

使用MediaWiki API，this为我提供了类似的输出，搜索词为Tiger

https://simple.wikipedia.org/w/api.php?action=query&prop=extracts&titles=Tiger&format=json&exintro=1

响应：

{"batchcomplete":"","query":{"pages":{"9796":{"pageid":9796,"ns":0,"title":"Tiger","extract":"<p>The <b>tiger</b> (<i>Panthera tigris</i>) is a carnivorous mammal. It is the largest living member of the cat family, the Felidae. It lives in Asia, mainly India, Bhutan, China and Siberia.</p>\n<p></p>"}}}}

如何获得输出

虎（Panthera tigris）是一种食肉哺乳动物。它是猫科动物猫科动物中最大的活体成员。它生活在亚洲，主要是印度，不丹，中国和西伯利亚。

有人也可以告诉我如何将所有内容存储在文本文件中吗？我是初学者，所以请你好。我需要这个用于我在Bash中进行的项目，在Raspberry Pi 2上，使用Raspbian

Answer 1

通常建议使用JSON解析器来处理JSON，我喜欢的是jq

% jq -r '.query.pages[].extract' file
<p>The <b>tiger</b> (<i>Panthera tigris</i>) is a carnivorous mammal. It is the largest living member of the cat family, the Felidae. It lives in Asia, mainly India, Bhutan, China and Siberia.</p>
<p></p>

要删除HTML标记，您可以执行以下操作：

... | sed 's/<[^>]*>//g'

将删除不在续行中的HTML标记：

% jq -r '.query.pages[].extract' file | sed 's/<[^>]*>//g'
The tiger (Panthera tigris) is a carnivorous mammal. It is the largest living member of the cat family, the Felidae. It lives in Asia, mainly India, Bhutan, China and Siberia.

file是存储JSON的文件，例如：

curl -so - 'https://simple.wikipedia.org/w/api.php?action=query&prop=extracts&titles=Tiger&format=json&exintro=1' > file
jq '...' file

或

jq '...' <(curl -so - 'https://simple.wikipedia.org/w/api.php?action=query&prop=extracts&titles=Tiger&format=json&exintro=1')

您可以使用以下代码安装jq

sudo apt-get install jq

对于您的示例输入，您还可以将grep与-P（PCRE）一起使用。但建议使用上面适当的JSON解析器

grep -oP '(?<=extract":").*?(?=(?<!\\)")' file 
<p>The <b>tiger</b> (<i>Panthera tigris</i>) is a carnivorous mammal. It is the largest living member of the cat family, the Felidae. It lives in Asia, mainly India, Bhutan, China and Siberia.</p>\n<p></p>

Answer 2

如果你正在使用PHP，你可以很容易地完成它，如下所示。

访问文本

我们知道文本存储在extract属性中，因此我们需要访问它。

执行此操作的最简单方法是将API中的字符串解析为对象格式，这是使用PHP中的json_decode方法完成的。然后，您可以从该对象访问extract属性，这将为您提供字符串。代码将是这样的：

//Get the string from the API, however you've already done it
$JSONString = getFromAPI();

//Use the inbuilt method to create a JSON object
$JSONObject = json_decode($JSONString);

//Follow the structure to get the pages property
$Pages = JSONObject->query->pages;

//Here, we don't know what the Page ID is (because the MediaWiki API returns a different number, depending on the page)
//Therefore we need to simply get the first key, and within it should be our desired 'extract' key
$Extract = "";
foreach($Pages as $value) {
    $Extract = $value->extract;
    break;
}

//$Extract now contains our desired text

将其写入文件

现在我们需要将$Extract的内容写入文件，如您所述。这可以通过使用file_put_contents方法完成如下。

//Can be anything you want
$file = 'APIResult.txt';

// Write the contents to the file, 
// using the LOCK_EX flag to prevent anyone else writing to the file at the same time
file_put_contents($file, $Extract, LOCK_EX);

Aaand我们已经完成了！

<强> 文档
这些功能的文档（json_decode和file_put_contents）可在以下网址找到：

Answer 3

你可能会发现pandoc很有帮助，来自http://pandoc.org/ - 它可以理解包括Mediawiki在内的输入上的多种文件格式，并且在输出上还有一堆文件格式，包括纯文本。它更像是“瑞士军刀”的方法，而且由于Mediawiki任意复杂的解析，你会想要使用这样的东西，这是通过一个大的测试套件。

将MediaWiki的输出转换为纯文本

3 个答案:

访问文本

将其写入文件