从 MediaWiki 安装导出文本（MediaWiki 标记）

Question

我想导出许多文章的 MediaWiki 标记（但不是 所有文章）来自本地 MediaWiki 安装。我只想要当前的文章标记，而不是历史记录或其他任何内容，并且每篇文章都有一个单独的文本文件。我想以编程方式执行此导出，最好在 MediaWiki 服务器上执行此导出，而不是远程执行。

例如，如果我对 Apple、Banana 和 Cupcake 文章感兴趣，我希望能够：

article_list = ["Apple", "Banana", "Cupcake"]
for a in article_list:
    get_article(a, a + ".txt")

我的意图是：

• 提取所需的文章
• 将 MediaWiki 标记存储在单独的文本文件中
• 在单独的程序中解析和处理

这对于 MediaWiki 来说是否已经可行？看起来不像。它也看起来 Pywikipediabot 没有这样的脚本。

后备方案是能够手动执行此操作（使用“导出”特殊页面）并轻松将输出解析为文本文件。是否有现有的工具可以做到这一点？有 MediaWiki XML 转储格式的描述吗？ （我找不到一个。）

Answer 1

在服务器端，您只需从数据库导出即可。远程地，Pywikipediabot 有一个名为 get.py 的脚本，它可以获取给定文章的 wikicode。手动操作也很简单，就像这样（凭记忆写下，可能会发生错误）：

import wikipedia as pywikibot
site = pywikibot.getSite() # assumes you have a user-config.py with default site/user
article_list = ["Apple", "Banana", "Cupcake"]
for title in article_list:
    page = pywikibot.Page(title, site)
    text = page.get() # handling of not found etc. exceptions omitted
    file = open(title + ".txt", "wt")
    file.write(text)

由于 MediaWiki 的语言定义不明确，解析/处理它的唯一可靠方法是通过 MediaWiki 本身； Pywikipediabot 不支持此操作，并且尝试执行此操作的少数工具在处理复杂模板时失败了。

Answer 2

看起来 getText.php 是一个内置的服务器端维护脚本，用于导出特定文章的维基文本。 （比查询数据库更容易。）

通过 Publishing from MediaWiki 找到它，其中涵盖了导出的所有角度媒体维基。