api - 维基百科 API - 抓取 'Background Inforamtion' 表？

Question

MediaWiki 是否提供了返回“背景信息”表中存在的信息的方法？ (通常在文章页面的右侧)例如，我想从 Radiohead 获取 Origin:

http://en.wikipedia.org/wiki/Radiohead

或者我需要解析html页面吗？

Answer 1

您可以使用revisions property与 rvgeneratexml 参数一起生成文章的解析树。然后您可以应用 XPath 或遍历它并查找所需的信息。

这是一个示例代码:

$page = 'Radiohead';
$api_call_url = 'http://en.wikipedia.org/w/api.php?action=query&titles=' .
    urlencode( $page ) . '&prop=revisions&rvprop=content&rvgeneratexml=1&format=json';

您必须向 API 表明自己的身份，请参阅 Meta Wiki 了解更多信息.

$user_agent = 'Your name <your email>';

$curl = curl_init();
curl_setopt_array( $curl, array(
    CURLOPT_RETURNTRANSFER => true,
    CURLOPT_USERAGENT => $user_agent,
    CURLOPT_URL => $api_call_url,
) );
$response = json_decode( curl_exec( $curl ), true );
curl_close( $curl );

foreach( $response['query']['pages'] as $page ) {
    $parsetree = simplexml_load_string( $page['revisions'][0]['parsetree'] );

这里我们使用 XPath 来查找 Infobox 音乐艺术家 的参数 Origin 及其值。请参阅XPath specification对于语法等。您也可以遍历树并手动查找节点。请随意研究解析树以更好地掌握它。

    $infobox_origin = $parsetree->xpath( '//template[contains(string(title),' .
        '"Infobox musical artist")]/part[contains(string(name),"Origin")]/value' );

    echo trim( strval( $infobox_origin[0] ) );
}