使用API​​获取具有某些条件/限制的随机维基百科文章

Question

因此Wikipedia的Random Article功能提供了随机文章，我也可以使用RandomInCategory并指定我想要的类别。

现在，我想获得文章中给出一些条件/限制的所有文本：

• 仅获取文章文字，没有图片/链接/表格等...
• 忽略某些部分（参考资料，著名人物等）
• 该文章应以英文（名称空间已满足）和另一种语言（例如法语。
• 能够指定类别。

我考虑过要使用HTML解析器来执行此操作，也许可以与Ids / Classes / Headers一起使用，但是我不确定这是否100％准确。
维基百科的API可以通过某种方式做到这一点吗？

谢谢！

---

我在另一个SO问题中发现了这个https://en.wikipedia.org/w/api.php?format=json&action=query&generator=random&grnnamespace=0&prop=revisions&rvprop=content&grnlimit=10，并且很有趣，是否可以在此处添加类别条件以及获得语言的功能？

Answer 1

您可以使用Special:RandomInCategory（没有等效的API）。请注意，它并不是真正随机的（不是均匀分布）。除此之外（和名称空间），无法添加更多条件。

Answer 2

您可以使用Petscan获取任何特定类别（或组合）的文章列表。我不确定是否有其他功能可以自动检查其他语言文章是否存在，但是我认为Wikidata上有一些工具可以为您提供帮助。您应该能够跨过页面ID并获得其他语言的列表。至于实际的数据收集，我建议使用Python库Beautiful Soup。