通过API访问维基百科页面的主要图片

时间:2011-12-02 22:32:07

标签: php api wikipedia-api

有什么方法可以使用API​​访问任何维基百科页面的缩略图?我的意思是盒子右上方的图像。有没有API?

14 个答案:

答案 0 :(得分:57)

您可以使用prop=pageimages获取任何维基百科页面的缩略图。例如:

http://en.wikipedia.org/w/api.php?action=query&titles=Al-Farabi&prop=pageimages&format=json&pithumbsize=100

您将获得缩略图完整网址。

答案 1 :(得分:50)

http://en.wikipedia.org/w/api.php

查看prop=images

它返回在解析页面中使用的图像文件名数组。然后,您可以选择进行另一个API调用以查找完整的图像URL,例如: action=query&titles=Image:INSERT_EXAMPLE_FILE_NAME_HERE.jpg&prop=imageinfo&iiprop=url

calculate the URL via the filename's hash

不幸的是,虽然prop=images返回的图像数组按照页面上的顺序排列,但第一个图像不能保证是信息框中的图像,因为有时页面会包含图像在信息框之前(大多数时候关于页面的元数据的图标:例如“这篇文章被锁定”)。

搜索包含页面标题的第一张图像的图像数组可能是信息框图像的最佳猜测。

答案 2 :(得分:17)

答案 3 :(得分:6)

方式1:您可以尝试这样的查询:

  

http://en.wikipedia.org/w/api.php?action=opensearch&limit=5&format=xml&search=italy&namespace=0

在回复中,您可以看到Image标记。

<Item>
<Text xml:space="preserve">Italy national rugby union team</Text>
<Description xml:space="preserve">
The Italy national rugby union team represent the nation of Italy in the sport of rugby union.
</Description>
<Url xml:space="preserve">
http://en.wikipedia.org/wiki/Italy_national_rugby_union_team
</Url>
<Image source="http://upload.wikimedia.org/wikipedia/en/thumb/4/46/Italy_rugby.png/43px-Italy_rugby.png" width="43" height="50"/>
</Item>

方式2:使用查询http://en.wikipedia.org/w/index.php?action=render&title=italy

然后你可以得到一个原始的HTML代码,你可以使用PHP Simple HTML DOM Parser这样的图像 http://simplehtmldom.sourceforge.net

我没时间给你写信。请给你一些建议,谢谢。

答案 4 :(得分:6)

查看MediaWiki API示例以获取维基百科页面的主要图片:https://www.mediawiki.org/wiki/API:Page_info_in_search_results

正如其他人所提到的,您可以在API查询中使用prop=pageimages

如果您还想要图像说明,则可以在API查询中使用prop=pageimages|pageterms

您可以使用piprop=original获取原始图像。或者,您可以获得具有指定宽度/高度的缩略图图像。对于宽度/高度= 600的缩略图,piprop=thumbnail&pithumbsize=600。如果省略,则API回调中返回的图像将默认为宽度/高度为50px的缩略图。

如果您要求使用JSON格式的结果,则应始终在API查询中使用formatversion=2(即format=json&formatversion=2),因为这样可以更轻松地从查询中检索图像。

原始大小图片:

https://en.wikipedia.org/w/api.php?action=query&format=json&formatversion=2&prop=pageimages|pageterms&piprop=original&titles=Albert Einstein

缩略图尺寸(600px宽度/高度)图片:

https://en.wikipedia.org/w/api.php?action=query&format=json&formatversion=2&prop=pageimages|pageterms&piprop=thumbnail&pithumbsize=600&titles=Albert Einstein

答案 5 :(得分:5)

对于没有具体回答有关图像的问题,我很抱歉。但是这里有一些代码来获取所有图像的列表:

function makeCall($url) {
    $curl = curl_init();
    curl_setopt($curl, CURLOPT_URL, $url);
    curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
    return curl_exec($curl);
}

function wikipediaImageUrls($url) {
    $imageUrls = array();
    $pathComponents = explode('/', parse_url($url, PHP_URL_PATH));
    $pageTitle = array_pop($pathComponents);
    $imagesQuery = "http://en.wikipedia.org/w/api.php?action=query&titles={$pageTitle}&prop=images&format=json";
    $jsonResponse = makeCall($imagesQuery);
    $response = json_decode($jsonResponse, true);
    $imagesKey = key($response['query']['pages']);
    foreach($response['query']['pages'][$imagesKey]['images'] as $imageArray) {
        if($imageArray['title'] != 'File:Commons-logo.svg' && $imageArray['title'] != 'File:P vip.svg') {
            $title = str_replace('File:', '', $imageArray['title']);
            $title = str_replace(' ', '_', $title);
            $imageUrlQuery = "http://en.wikipedia.org/w/api.php?action=query&titles=Image:{$title}&prop=imageinfo&iiprop=url&format=json";
            $jsonUrlQuery = makeCall($imageUrlQuery);
            $urlResponse = json_decode($jsonUrlQuery, true);
            $imageKey = key($urlResponse['query']['pages']);
            $imageUrls[] = $urlResponse['query']['pages'][$imageKey]['imageinfo'][0]['url'];
        }
    }
    return $imageUrls;
}
print_r(wikipediaImageUrls('http://en.wikipedia.org/wiki/Saturn_%28mythology%29'));
print_r(wikipediaImageUrls('http://en.wikipedia.org/wiki/Hans-Ulrich_Rudel'));

我为http://en.wikipedia.org/wiki/Saturn_%28mythology%29得到了这个:

Array
(
    [0] => http://upload.wikimedia.org/wikipedia/commons/1/10/Arch_of_SeptimiusSeverus.jpg
    [1] => http://upload.wikimedia.org/wikipedia/commons/8/81/Ivan_Akimov_Saturn_.jpg
    [2] => http://upload.wikimedia.org/wikipedia/commons/d/d7/Lucius_Appuleius_Saturninus.jpg
    [3] => http://upload.wikimedia.org/wikipedia/commons/2/2c/Polidoro_da_Caravaggio_-_Saturnus-thumb.jpg
    [4] => http://upload.wikimedia.org/wikipedia/commons/b/bd/Porta_Maggiore_Alatri.jpg
    [5] => http://upload.wikimedia.org/wikipedia/commons/6/6a/She-wolf_suckles_Romulus_and_Remus.jpg
    [6] => http://upload.wikimedia.org/wikipedia/commons/4/45/Throne_of_Saturn_Louvre_Ma1662.jpg
)

对于第二个网址(http://en.wikipedia.org/wiki/Hans-Ulrich_Rudel):

Array
(
    [0] => http://upload.wikimedia.org/wikipedia/commons/e/e9/BmRKEL.jpg
    [1] => http://upload.wikimedia.org/wikipedia/commons/3/3f/BmRKELS.jpg
    [2] => http://upload.wikimedia.org/wikipedia/commons/2/2c/Bundesarchiv_Bild_101I-655-5976-04%2C_Russland%2C_Sturzkampfbomber_Junkers_Ju_87_G.jpg
    [3] => http://upload.wikimedia.org/wikipedia/commons/6/62/Bundeswehr_Kreuz_Black.svg
    [4] => http://upload.wikimedia.org/wikipedia/commons/9/99/Flag_of_German_Reich_%281935%E2%80%931945%29.svg
    [5] => http://upload.wikimedia.org/wikipedia/en/6/64/HansUlrichRudel.jpeg
    [6] => http://upload.wikimedia.org/wikipedia/commons/8/82/Heinkel_He_111_during_the_Battle_of_Britain.jpg
    [7] => http://upload.wikimedia.org/wikipedia/commons/6/66/Regulation_WW_II_Underwing_Balkenkreuz.png
)

请注意,URL在第二个数组的第6个元素上发生了一些变化。这就是@JosephJaber在上面的评论中警告的内容。

希望这有助于某人。

答案 6 :(得分:5)

我已经编写了一些代码,通过维基百科文章标题获取主图像(完整URL)。这并不完美,但总的来说我对结果非常满意。

挑战在于,当查询特定标题时,维基百科会返回多个图像文件名(没有路径)。此外,辅助搜索(我使用此线程中发布的代码varatis - 谢谢!)返回基于搜索到的图像文件名找到的所有图像的URL,而不管原始文章标题。毕竟,我们最终可能会得到与搜索无关的通用图像,因此我们将这些图像过滤掉。代码迭代文件名和URL,直到找到(希望是最好的)匹配...有点复杂,但它有效:)

关于泛型过滤器的注意事项:我一直在编译isGeneric()函数的通用图像字符串列表,但列表不断增长。我正在考虑将其保留为公开名单 - 如果有任何兴趣请告诉我。

预:

protected static $baseurl = "http://en.wikipedia.org/w/api.php";

主要功能 - 从标题获取图片网址:

public static function getImageURL($title)
{
    $images = self::getImageFilenameObj($title); // returns JSON object
    if (!$images) return '';

    foreach ($images as $image)
    {
        // get object of image URL for given filename
        $imgjson = self::getFileURLObj($image->title);

        // return first image match
        foreach ($imgjson as $img)
        {
            // get URL for image
            $url = $img->imageinfo[0]->url;

            // no image found               
            if (!$url) continue;

            // filter generic images
            if (self::isGeneric($url)) continue;

            // match found
            return $url;
        }
    }
    // match not found
    return '';          
}

==以下函数由上面的主函数==

调用

按标题获取JSON对象(文件名):

public static function getImageFilenameObj($title)
{
    try     // see if page has images
    {
        // get image file name
        $json = json_decode(
            self::retrieveInfo(
                self::$baseurl . '?action=query&titles=' .
                urlencode($title) . '&prop=images&format=json'
            ))->query->pages;

        /** The foreach is only to get around
         *  the fact that we don't have the id.
         */
        foreach ($json as $id) { return $id->images; }
    }
    catch(exception $e) // no images
    {
        return NULL;
    }
}   

按文件名获取JSON对象(URL):

public static function getFileURLObj($filename)
{
    try                     // resolve URL from filename
    {
        return json_decode(
            self::retrieveInfo(
                self::$baseurl . '?action=query&titles=' .
                urlencode($filename) . '&prop=imageinfo&iiprop=url&format=json'
            ))->query->pages;
    }
    catch(exception $e)     // no URLs
    {
        return NULL;
    }
}   

过滤掉通用图片:

public static function isGeneric($url)
{
    $generic_strings = array(
        '_gray.svg',
        'icon',
        'Commons-logo.svg',
        'Ambox',
        'Text_document_with_red_question_mark.svg',
        'Question_book-new.svg',
        'Canadese_kano',
        'Wiki_letter_',
        'Edit-clear.svg',
        'WPanthroponymy',
        'Compass_rose_pale',
        'Us-actor.svg',
        'voting_box',
        'Crystal_',
        'transportation_inv',
        'arrow.svg',
        'Quill_and_ink-US.svg',
        'Decrease2.svg',
        'Rating-',
        'template',
        'Nuvola_apps_',
        'Mergefrom.svg',
        'Portal-',
        'Translation_to_',
        '/School.svg',
        'arrow',
        'Symbol_',
        'stub',
        'Unbalanced_scales.svg',
        '-logo.',
        'P_vip.svg',
        'Books-aj.svg_aj_ashton_01.svg',
        'Film',
        '/Gnome-',
        'cap.svg',
        'Missing',
        'silhouette',
        'Star_empty.svg',
        'Music_film_clapperboard.svg',
        'IPA_Unicode',
        'symbol',
        '_highlighting_',
        'pictogram',
        'Red_pog.svg',
        '_medal_with_cup',
        '_balloon',
        'Feature',
        'Aiga_'
    );

    foreach ($generic_strings as $str)
    {
        if (stripos($url, $str) !== false) return true;
    }

    return false;
}

欢迎评论。

答案 7 :(得分:3)

我有办法可靠地获取维基百科页面的主图像 - 扩展名为PageImages

  

PageImages扩展程序收集有关页面上使用的图像的信息。

     

它的目的是返回相关的最合适的缩略图   一篇文章,试图只返回有意义的图像,例如不   来自维护模板,存根或标志图标的那些。目前它   使用页面中使用的第一个无意义的图像。

https://www.mediawiki.org/wiki/Extension:PageImages

只需将道具页面图片添加到您的API查询中:

/w/api.php?action=query&prop=pageimages&titles=Somepage&format=xml

这可以有效地过滤掉恼人的默认图像,并防止您自己过滤掉它们!扩展程序安装在所有主维基百科页面上......

答案 8 :(得分:1)

this related question on an API for Wikipedia。但是,我不知道是否可以通过API检索缩略图。

您还可以考虑解析网页以查找图片网址,并以此方式检索图片。

答案 9 :(得分:1)

让我们看一下Page http://en.wikipedia.org/wiki/index.html?curid=57570的例子 获得Main Pic

结帐

  

丙= pageprops

     

<强>操作=查询&安培; pageids = 57570&安培;丙= pageprops&安培;格式= JSON

结果页面数据例如。

&#13;
&#13;
{ "pages" : { "57570":{
                    "pageid":57570,
                    "ns":0,
                    "title":"Sachin Tendulkar",
                    "pageprops" : {
                         "defaultsort":"Tendulkar,Sachin",
                         "page_image":"Sachin_at_Castrol_Golden_Spanner_Awards_(crop).jpg",
                         "wikibase_item":"Q9488"
                    }
            }
          }
 }}
&#13;
&#13;
&#13;

我们将主要的Pic文件名称作为

获得此结果
  

**(wikiId).pageprops.page_image = Sachin_at_Castrol_Golden_Spanner_Awards_(crop).jpg **

现在由于我们有图像文件名,我们将不得不进行另一次Api调用以从文件名获取完整的图像路径,如下所示

  

<强>操作=查询&安培;标题= IMAGE:INSERT_EXAMPLE_FILE_NAME_HERE.jpg&安培;丙=&的imageinfo放大器; iiprop =网址

例如

  

行动=查询&安培;标题=图片:Sachin_at_Castrol_Golden_Spanner_Awards_(作物).JPG&安培;丙=&的imageinfo放大器; iiprop = URL

返回其中包含url的图像数据的数组 的 http://upload.wikimedia.org/wikipedia/commons/3/35/Sachin_at_Castrol_Golden_Spanner_Awards_%28crop%29.jpg

答案 10 :(得分:1)

这是我找到95%文章的XPath列表。主要的是1,2,3和4.许多文章没有正确格式化,这些将是边缘情况:

您可以使用DOM解析库来使用XPath获取图像。

static NSString   *kWikipediaImageXPath2    =   @"//*[@id=\"mw-content-text\"]/div[1]/div/table/tr[2]/td/a/img";
static NSString   *kWikipediaImageXPath3    =   @"//*[@id=\"mw-content-text\"]/div[1]/table/tr[1]/td/a/img";
static NSString   *kWikipediaImageXPath1    =   @"//*[@id=\"mw-content-text\"]/div[1]/table/tr[2]/td/a/img";
static NSString   *kWikipediaImageXPath4    =   @"//*[@id=\"mw-content-text\"]/div[2]/table/tr[2]/td/a/img";
static NSString   *kWikipediaImageXPath5    =   @"//*[@id=\"mw-content-text\"]/div[1]/table/tr[2]/td/p/a/img";
static NSString   *kWikipediaImageXPath6    =   @"//*[@id=\"mw-content-text\"]/div[1]/table/tr[2]/td/div/div/a/img";
static NSString   *kWikipediaImageXPath7    =   @"//*[@id=\"mw-content-text\"]/div[1]/table/tr[1]/td/div/div/a/img";

我在libxml2.2周围使用了一个名为Hpple的ObjC包装器来提取图像网址。希望这有帮助

答案 11 :(得分:1)

与Anuraj提到的一样,pageimages参数就是它。看看下面的网址,它会带来一些漂亮的东西:

.promo_area{float: left; width: 100%;}

她是一些有趣的参数:

  • 两个参数摘录 exsentences 为您提供简短 您可以使用的描述。 (exsentences是您希望包含在摘录中的句子数)
  • 信息和 inprop = url 参数为您提供了网页的网址
  • prop属性有多个参数,用条形符号
  • 分隔
  • 如果你在那里插入 format = json ,那就更好了

答案 12 :(得分:1)

您还可以使用名为 SDWebImage

的可可豆荚

代码示例(记住还要添加import SDWebImage):

func requestInfo(flowerName: String) {

        let parameters : [String:String] = [
            "format" : "json",
            "action" : "query",
            "prop" : "extracts|pageimages",//pageimages allows fetch imagePath
            "exintro" : "",
            "explaintext" : "",
            "titles" : flowerName,
            "indexpageids" : "",
            "redirects" : "1",
            "pithumbsize" : "500"//specify image size in px
        ]


        AF.request(wikipediaURL, method: .get, parameters: parameters).responseJSON { (response) in
            switch response.result {
            case .success(let value):
                print("Got the wikipedia info.")
                print(response)

                let flowerJSON : JSON = JSON(response.value!)
                let pageid = flowerJSON["query"]["pageids"][0].stringValue

                let flowerDescription = flowerJSON["query"]["pages"][pageid]["extract"].stringValue

                let flowerImageURL = flowerJSON["query"]["pages"][pageid]["thumbnail"]["source"].stringValue //fetching Image URL

                self.wikiInfoLabel.text = flowerDescription
                self.imageView.sd_setImage(with: URL(string : flowerImageURL))//imageView updated with Wiki Image

            case .failure(let error):
                print(error)
            }
        }
    }

答案 13 :(得分:0)

我想不是,但您可以使用链接解析器HTML文档捕获图像