维基百科 API - 获取“背景信息”桌子？

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 属性以及rvgeneratexml 参数为文章生成解析树。然后您可以应用 XPath 或遍历它并查找所需的信息。

以下是示例代码：

$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 来了解更多信息。

$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。有关语法等，请参阅 XPath 规范。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] ) );
}

Answer 2

维基百科上安装的 MediaWiki 无法获取此信息（有一些扩展，例如 Semantic MediaWiki是为这类事情而设计的，但它们没有安装在维基百科上）。您可以解析输出 HTML 或解析页面的 wiki 文本，或者在某些情况下（例如出生/死亡年份）您可以通过 API 查看页面的类别。

Answer 3

这是一个陡峭的学习曲线，但 DBpedia 可以满足您的需求。

您提到的“背景信息表”在维基百科用语中称为 “信息框” DBpedia 允许对它们进行非常强大的查询。不幸的是，由于它功能强大，所以学习起来并不容易，而且我几乎忘记了一两年前学到的东西。如果我能再次学习的话，我会在这里粘贴一个查询（-：

同时，这是 DBpedia 的想法 介绍如何使用它。

之前的问题将会有所帮助：获取DBPedia 信息框类别

更新

好的，这是 SPARQL 查询：

SELECT ?org
WHERE {
    <http://dbpedia.org/resource/Radiohead> dbpprop:origin ?org
}

这是一个 URL您可以在其中看到它的工作原理并使用它。

这是该页面上的输出：（您也可以获得各种格式的输出）

SPARQL 结果：org“Abingdon，
英国牛津郡"@en