当前位置：文江博客话题详情

如何从维基百科获取Infobox数据？

发布于 2024-09-11 00:23:38 字数 54 浏览 5 评论 0原文

如果我有某个页面的 URL，我如何使用 MediaWiki Web 服务获取右侧的信息框信息？

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

明月夜 2024-09-18 00:23:38

通过此 Python 库使用 Mediawiki API： https://github.com/siznax/wptools

用法：

import wptools
so = wptools.page('Stack Overflow').get_parse()
infobox = so.data['infobox']
print(infobox)

输出：

{'alexa': '{{Increase}} 34 ( {{as of|2019|12|15|lc|=|y}} )',
 'author': '[[Jeff Atwood]] and [[Joel Spolsky]]',
 'caption': 'Screenshot of Stack Overflow in February 2017',
 'commercial': 'Yes',
 'content_license': '[[Creative Commons license|CC-BY-SA]] 4.0',
 'current_status': 'Online',
 'language': 'English, Spanish, Russian, Portuguese, and Japanese',
 'launch_date': '{{start date and age|2008|9|15}}',
 'logo': 'Stack Overflow logo.svg',
 'name': 'Stack Overflow',
 'owner': '[[Stack Exchange]], Inc.',
 'programming_language': '[[C Sharp (programming language)|C#]]',
 'registration': 'Optional',
 'screenshot': 'File:Stack Overflow homepage, Feb 2017.png',
 'type': '[[Knowledge market]]',
 'url': '{{URL|https://stackoverflow.com}}'}

Use the Mediawiki API through this Python library: https://github.com/siznax/wptools

Usage:

import wptools
so = wptools.page('Stack Overflow').get_parse()
infobox = so.data['infobox']
print(infobox)

Output:

{'alexa': '{{Increase}} 34 ( {{as of|2019|12|15|lc|=|y}} )',
 'author': '[[Jeff Atwood]] and [[Joel Spolsky]]',
 'caption': 'Screenshot of Stack Overflow in February 2017',
 'commercial': 'Yes',
 'content_license': '[[Creative Commons license|CC-BY-SA]] 4.0',
 'current_status': 'Online',
 'language': 'English, Spanish, Russian, Portuguese, and Japanese',
 'launch_date': '{{start date and age|2008|9|15}}',
 'logo': 'Stack Overflow logo.svg',
 'name': 'Stack Overflow',
 'owner': '[[Stack Exchange]], Inc.',
 'programming_language': '[[C Sharp (programming language)|C#]]',
 'registration': 'Optional',
 'screenshot': 'File:Stack Overflow homepage, Feb 2017.png',
 'type': '[[Knowledge market]]',
 'url': '{{URL|https://stackoverflow.com}}'}

回复收藏 0 原文

淡忘如思 2024-09-18 00:23:38

如果您只想解析信息框或者想要获取一些摘要数据，请查看 DBPedia 项目：http://dbpedia。 org

DBPedia 项目扫描 WP 中的信息框，从 Wikipedia 创建 RDF 数据库： https: //github.com/dbpedia/extraction-framework/

回复收藏 0 原文

纵山崖 2024-09-18 00:23:38

没有简单的方法可以做到这一点。您可以尝试使用 action=raw 获取页面内容，即 http://en.wikipedia.org/w/index.php?action=raw&title=Douglas_Jardine
然后通过搜索 {{Infobox 找到信息框的开头。然后通过查找匹配的 }} 来找到结尾，同时考虑到信息框本身也可以包含 {{-}} 和 {{{-}}} 对。

回复收藏 0 原文

相对绾红妆 2024-09-18 00:23:38

每个维基百科页面都与一个维基数据项相关联，所有这些项目都包含来自维基百科页面的信息框模板的大部分参数。因此，您只需从 Wikidata 访问与您的维基百科页面关联的数据API。

如何从维基数据项：

https://www.wikidata.org/w/api.php?action=wbgetentities&sites=enwiki&props=claims&titles=Donald Trump

响应将包括：出生日期和地点、图像、宗教、母亲、父亲、孩子、身高、签名、官方网站等...有关唐纳德·特朗普的所有主要信息都包含在维基百科信息框中...

Each Wikipedia page is associated with a Wikidata item, and all these items include the most parameters from the Wikipedia page's Infobox templates. So you need only to access the data associated with your Wikipedia page from Wikidata API.

An example of how to get the data for Wikipedia Donald Trump page from Wikidata item:

https://www.wikidata.org/w/api.php?action=wbgetentities&sites=enwiki&props=claims&titles=Donald Trump

The response will include: date and place of birth, image, religion, mother, father, children, height, signature, official website, etc..., all main info about Donald Trump included in the Wikipedia Infobox...

回复收藏 0 原文

自在安然 2024-09-18 00:23:38

Tomxu - 您所说的是一个模板 - 这是一个简单的页面，您可以将其包含在另一个页面上。对于信息框，您需要首先查看 Template:Infobox。这为您提供了详细的说明。

您还可以按编辑（或查看代码）并将内容复制到您自己的 wiki。请记住，模板往往处于层次结构中，因此您可能需要复制 Infobox 使用的其他模板（如果您想使用它们）。每个模板都可以用 {{}} 来标识，例如信息框模板将如下所示：{{Infobox}}。

我提到了一个层次结构：您实际上会找到多个模板，它们都使用模板：信息框。要找到它们，只需在维基百科的搜索字段中输入：Template:Infobox，然后您就会找到多个示例，例如模板：Infobox writer

更新： 如果您指的是导航框，则查看此信息。

回复收藏 0 原文

羅雙樹 2024-09-18 00:23:38

在我们的项目中，我们使用查询从维基词典中获取数据，如下所示：

http://query.yahooapis.com/v1/public/yql?q=select%20*%20from%20html%20where%20url%3D%22http%3A%2F%2Fen.wiktionary.org%2Fwiki%2Flife%22%20and%20xpath%3D'%2F%2Fdiv%5B%40id%3D%22bodyContent%22%5D'&format=xml&diagnostics=false&env=store%3A%2F%2Fdatatables.org%2Falltableswithkeys&callback=recwiki

我对它没有全面的了解，但它确实有效。输出结果可以使用 jquery 或其他东西进行过滤。

In our project we use queries for fetching data from wiktionary like this:

http://query.yahooapis.com/v1/public/yql?q=select%20*%20from%20html%20where%20url%3D%22http%3A%2F%2Fen.wiktionary.org%2Fwiki%2Flife%22%20and%20xpath%3D'%2F%2Fdiv%5B%40id%3D%22bodyContent%22%5D'&format=xml&diagnostics=false&env=store%3A%2F%2Fdatatables.org%2Falltableswithkeys&callback=recwiki

I have no comprehensive understanding of it, but it works. Output result can de filtered using jquery or something else.

回复收藏 0 原文

小…楫夜泊 2024-09-18 00:23:38

使用编辑模式怎么样？您可以从正确的 TextArea 开始（大部分时间包含 id="wpTextBox1"）并解析该 TextArea 的内容...
我用来查找的 URL 是（注：section=0）：

https://de.wikipedia.org/w/index.php?title=Pelephone&action=edit§ion=0

Greetings

What about using the Edit Mode? You could just start at the correct TextArea (most of the Time contains id="wpTextBox1") and parse the content of that TextArea ...
The URL I used to find that out was (Note: section=0):

https://de.wikipedia.org/w/index.php?title=Pelephone&action=edit§ion=0

Greetings

回复收藏 0 原文

拒绝两难 2024-09-18 00:23:38

也可以使用 pandas：

import pandas as pd
page = 'https://pt.wikipedia.org/wiki/Python'
infoboxes = pd.read_html(page, index_col=0, attrs={"class":"infobox"})
print(infoboxes)

It is possible using pandas too:

import pandas as pd
page = 'https://pt.wikipedia.org/wiki/Python'
infoboxes = pd.read_html(page, index_col=0, attrs={"class":"infobox"})
print(infoboxes)

回复收藏 0 原文