使用它们获取所有Wikipedia Infobox模板和所有页面

Question

鉴于像Wikipedia: Stack Overflow这样的维基百科页面，通常会有信息框（大部分位于页面顶部的右侧）。屏幕截图示例：

1. DBPedia将所有这些属性列为RDF三元组。您可以在DBPedia: Stack Overflow查看示例。在那里，您会看到属性dbpprop:wikiPageUsesTemplate，其值为dbpedia:Template:Infobox_website，这很有趣。我想知道哪些维基百科页面使用此模板。我该怎么做并列出所有使用Infobox_website模板的页面？最好使用SPARQL查询，但我对其他简单的解决方案持开放态度。

2. 接下来是所有Infobox模板的列表。 Wikipedia: Category Infobox Templates显示了所需维基百科类别的层次结构 - 看起来像我正在寻找的。但我希望所有这些都是机器可读的格式，在一个页面上。也许DBPedia也是正确的吗？在DBPedia: Category Infox Templates和DBPedia: INFOBOX，我发现的信息非常少。但这些看起来很有希望。如何使用SPARQL查找所有信息框类型，以便我可以为每个信息块重复执行第1步？

您可以使用它来测试SPARQL查询：http://dbpedia.org/snorql/

更新1

我似乎已经解决了问题1：SPARQL: list all pages with Infobox_website

更新2

此外，这似乎是对问题2的查询：SPARQL: list all Infoboxes

Answer 1

好的，因为我似乎找到了一个解决方案（很可能不是最好的），我想分享它们。

1）此SPARQL查询可用于查找包含特定信息框类型的所有页面：

  

SELECT * WHERE {？page dbpedia2：wikiPageUsesTemplate   ＆LT; HTTP：//dbpedia.org/resource/Template：Infobox_website＆GT; 。 ？页   dbpedia2：name？name。 }

Link at SNORQL

---

2）此SPARQL查询可用于查找所有信息框类型：

  

SELECT DISTINCT？template WHERE {？page   dbpedia2：wikiPageUsesTemplate？模板。 FILTER（正则表达式（？模板，   “信息框”））。 ORDER BY？模板

Link at SNORQL

Answer 2

之前的答案似乎已经停止了。只需要进行一些小的更改就可以让它们在http://live.dbpedia.org/sparql处的新dbpedia查询端点上工作。

要获取所有页面的列表以及他们使用此模板的模板，请执行以下操作：

SELECT * WHERE {  ?page  dbpprop:wikiPageUsesTemplate ?template . }

See results (limited to 100)

如果您正在寻找特定模板：

SELECT * WHERE {  
   ?page  
   dbpprop:wikiPageUsesTemplate 
   <http://dbpedia.org/resource/Template:Infobox_website> . 
}

See results

对于我的用例，我对Wikipedia URL而不是DBPedia页面感兴趣，所以我正在使用这个查询：

SELECT ?wikipedia_url WHERE {  
   ?page  
   dbpprop:wikiPageUsesTemplate 
   <http://dbpedia.org/resource/Template:Infobox_website> . 
   ?page foaf:isPrimaryTopicOf ?wikipedia_url .
}

See results

我也使用curl将结果拉入脚本：

$ curl -s "http://live.dbpedia.org/sparql?default-graph-uri=http%3A%2F%2Fdbpedia.org&query=SELECT+%3Fwikipedia_url+WHERE+%7B+%0D%0A%09+%3Fpage+%0D%0A%09+dbpprop%3AwikiPageUsesTemplate+%0D%0A%09+%3Chttp%3A%2F%2Fdbpedia.org%2Fresource%2FTemplate%3AInfobox_website%3E+.+%0D%0A+%3Fpage+foaf%3AisPrimaryTopicOf+%3Fwikipedia_url+.%0D%0A%0D%0A%09%7D&format=text%2Ftab-separated-values" \
| tr -d \" | grep -v "^wikipedia_url$" | head
http://en.wikipedia.org/wiki/U.S._News_&_World_Report
http://en.wikipedia.org/wiki/FriendFinder
http://en.wikipedia.org/wiki/Debkafile
http://en.wikipedia.org/wiki/GTPlanet
http://en.wikipedia.org/wiki/Lithuanian_Wikipedia
http://en.wikipedia.org/wiki/Connexions
http://en.wikipedia.org/wiki/Hypno5ive
http://en.wikipedia.org/wiki/Scoop_(website)
http://en.wikipedia.org/wiki/Bhoomi_(software)
http://en.wikipedia.org/wiki/Brainwashed_(website)

我不确定这是否会提供完整的结果集，因为它返回1698结果，而wmflabs.org似乎表明应该有4439。

对于问题的第二部分，只需要对上一个查询进行一些小的更改，即可获得所有模板的列表：

SELECT DISTINCT ?template WHERE { 
    ?page  
    dbpprop:wikiPageUsesTemplate  
    ?template . 
    FILTER (regex(?template, "Infobox")) . 
} ORDER BY ?template

See results

Answer 3

您还可以使用MediaWiki API的embeddedin查询返回包含给定模板的所有页面的列表。您会想要使用库来访问API，您更喜欢哪种语言？对于Ruby，我建议MediaWiki::Gateway。