按类别选项导出维基百科？

Question

我知道我可以完全下载维基百科。但我想知道是否有任何方法可以按类别下载？他们有Special Export页面，但写一个类别（例如文化）会添加子页面和另一组类别，因此尝试获取文化中的所有页面将“永远”，因为当您提交另一个子类别时文化的另一个出现。你们知道按类别出口的其他方法吗？ （以简单的方式）

Answer 1

使用MediaWiki API，您可以使用list=categorymembers generator作为prop=revisions查询来获取某个类别中所有网页的wiki文本，如下所示：

  

http://en.wikipedia.org/w/api.php?action=query&generator=categorymembers&gcmtitle=Category:Culture&gcmnamespace=0&prop=revisions&rvprop=content

此示例链接提供维基百科上Category:Culture中前10篇文章的内容。您可以添加gcmlimit=max参数以获取更多页面，但对于大型类别，您需要正确处理query continuations（或使用为您处理它们的MediaWiki API client。）

（但是，此查询不会显示“类别：文化”的子类别中的页面。如果您也需要这些页面，则可以获取和子类别的页面列表在使用简单categorymembers查询而没有cmnamespace的类别中，并通过结果递归来收集要导出的文章标题列表。如果这样做，请注意不要陷入任何类别循环，并且最好在导出页面之前对结果进行健全性检查 - 从完整的子类别遍历中获取方式更多页面非常容易。）

Answer 2

我认为没有其他简单的方法可以做到这一点。

我认为您最好的选择是下载所有文章的转储文件（pages-articles，目前为英文维基百科7.5 GB）并按类别过滤，可能使用类别成员转储（categorylinks ，1 GB）。

另一种选择是做类似于使用Special执行的操作：手动导出，但使用the API自动执行。