通过API访问维基百科页面的主图

Question

有什么方法可以使用 API 访问任何维基百科页面的缩略图吗？我的意思是盒子右上角的图像。有相关的 API 吗？

Answer 1

您可以使用 prop=pageimages 获取任何维基百科页面的缩略图。例如：

http://en.wikipedia.org/w/api.php?action=query&titles=Al-Farabi&prop=pageimages&format=json&pithumbsize=100

您将获得缩略图的完整 URL。

Answer 2

http://en.wikipedia.org/w/api.php

看看prop=图像。

它返回解析页面中使用的图像文件名数组。然后，您可以选择进行另一个 API 调用来查找完整的图像 URL，例如：
action=query&titles=Image:INSERT_EXAMPLE_FILE_NAME_HERE.jpg&prop=imageinfo&iiprop=url

或 通过文件名计算 URL哈希。

不幸的是，虽然 prop=images 返回的图像数组按照它们在页面上找到的顺序排列，但不能保证第一个图像是信息框中的图像，因为有时页面会包含信息框之前的图像（大多数情况下是有关页面的元数据的图标：例如“本文已锁定”）。

在图像数组中搜索包含页面标题的第一张图像可能是对信息框图像的最佳猜测。

Answer 3

这是获取维基百科页面主图像的好方法

http://en.wikipedia.org/w/api.php?action=query&prop=pageimages&format=json&piprop=original&titles=印度

Answer 4

查看 MediaWiki API 示例，获取维基百科页面的主图片： https://www.mediawiki .org/wiki/API:Page_info_in_search_results。

正如其他人提到的，您可以在 API 查询中使用 prop=pageimages 。

如果您还需要图像描述，则可以在 API 查询中使用 prop=pageimages|pageterms 。

您可以使用 piprop=original 获取原始图像。或者您可以获得具有指定宽度/高度的缩略图。对于 width/height=600 的缩略图，piprop=thumbnail&pithumbsize=600。如果省略其中任何一个，API 回调中返回的图像将默认为宽度/高度为 50px 的缩略图。

如果您请求 JSON 格式的结果，则应始终在 API 查询中使用 formatversion=2（即 format=json&formatversion=2），因为这样可以检索从图像中查询更容易。

原始尺寸图像：

https://en.wikipedia.org/w/api.php?action=query&format=json&formatversion=2&prop=pageimages|pageterms&piprop=original&titles=Albert Einstein

缩略图尺寸（600 像素宽/高）图像：

https://en.wikipedia.org/w/api.php?action=query&format=json&formatversion=2&prop=pageimages|pageterms&piprop=thumbnail&pithumbsize=600&titles=Albert Einstein

Answer 5

方法一：你可以尝试这样的查询：

http://en.wikipedia.org/w/api.php?action=opensearch&limit=5&format=xml&search=italy&namespace=0

在响应中，您可以看到图像标签。

<Item>
<Text xml:space="preserve">Italy national rugby union team</Text>
<Description xml:space="preserve">
The Italy national rugby union team represent the nation of Italy in the sport of rugby union.
</Description>
<Url xml:space="preserve">
http://en.wikipedia.org/wiki/Italy_national_rugby_union_team
</Url>
<Image source="http://upload.wikimedia.org/wikipedia/en/thumb/4/46/Italy_rugby.png/43px-Italy_rugby.png" width="43" height="50"/>
</Item>

方式 2：使用查询 http://en.wikipedia.org/ w/index.php?action=render&title=italy

然后你可以得到一个原始的 html 代码，你可以使用类似 PHP Simple HTML DOM Parser 的东西来获取图像
http://simplehtmldom.sourceforge.net

我没有时间写给你。只是给你一些建议，谢谢。

Answer 6

很抱歉没有具体回答您关于主图像的问题。但这里有一些代码来获取所有图像的列表：

function makeCall($url) {
    $curl = curl_init();
    curl_setopt($curl, CURLOPT_URL, $url);
    curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
    return curl_exec($curl);
}

function wikipediaImageUrls($url) {
    $imageUrls = array();
    $pathComponents = explode('/', parse_url($url, PHP_URL_PATH));
    $pageTitle = array_pop($pathComponents);
    $imagesQuery = "http://en.wikipedia.org/w/api.php?action=query&titles={$pageTitle}&prop=images&format=json";
    $jsonResponse = makeCall($imagesQuery);
    $response = json_decode($jsonResponse, true);
    $imagesKey = key($response['query']['pages']);
    foreach($response['query']['pages'][$imagesKey]['images'] as $imageArray) {
        if($imageArray['title'] != 'File:Commons-logo.svg' && $imageArray['title'] != 'File:P vip.svg') {
            $title = str_replace('File:', '', $imageArray['title']);
            $title = str_replace(' ', '_', $title);
            $imageUrlQuery = "http://en.wikipedia.org/w/api.php?action=query&titles=Image:{$title}&prop=imageinfo&iiprop=url&format=json";
            $jsonUrlQuery = makeCall($imageUrlQuery);
            $urlResponse = json_decode($jsonUrlQuery, true);
            $imageKey = key($urlResponse['query']['pages']);
            $imageUrls[] = $urlResponse['query']['pages'][$imageKey]['imageinfo'][0]['url'];
        }
    }
    return $imageUrls;
}
print_r(wikipediaImageUrls('http://en.wikipedia.org/wiki/Saturn_%28mythology%29'));
print_r(wikipediaImageUrls('http://en.wikipedia.org/wiki/Hans-Ulrich_Rudel'));

我得到了这个 http://en .wikipedia.org/wiki/Saturn_%28mythology%29：

Array
(
    [0] => http://upload.wikimedia.org/wikipedia/commons/1/10/Arch_of_SeptimiusSeverus.jpg
    [1] => http://upload.wikimedia.org/wikipedia/commons/8/81/Ivan_Akimov_Saturn_.jpg
    [2] => http://upload.wikimedia.org/wikipedia/commons/d/d7/Lucius_Appuleius_Saturninus.jpg
    [3] => http://upload.wikimedia.org/wikipedia/commons/2/2c/Polidoro_da_Caravaggio_-_Saturnus-thumb.jpg
    [4] => http://upload.wikimedia.org/wikipedia/commons/b/bd/Porta_Maggiore_Alatri.jpg
    [5] => http://upload.wikimedia.org/wikipedia/commons/6/6a/She-wolf_suckles_Romulus_and_Remus.jpg
    [6] => http://upload.wikimedia.org/wikipedia/commons/4/45/Throne_of_Saturn_Louvre_Ma1662.jpg
)

对于第二个网址（http://en.wikipedia.org/wiki/Hans-Ulrich_Rudel)：

Array
(
    [0] => http://upload.wikimedia.org/wikipedia/commons/e/e9/BmRKEL.jpg
    [1] => http://upload.wikimedia.org/wikipedia/commons/3/3f/BmRKELS.jpg
    [2] => http://upload.wikimedia.org/wikipedia/commons/2/2c/Bundesarchiv_Bild_101I-655-5976-04%2C_Russland%2C_Sturzkampfbomber_Junkers_Ju_87_G.jpg
    [3] => http://upload.wikimedia.org/wikipedia/commons/6/62/Bundeswehr_Kreuz_Black.svg
    [4] => http://upload.wikimedia.org/wikipedia/commons/9/99/Flag_of_German_Reich_%281935%E2%80%931945%29.svg
    [5] => http://upload.wikimedia.org/wikipedia/en/6/64/HansUlrichRudel.jpeg
    [6] => http://upload.wikimedia.org/wikipedia/commons/8/82/Heinkel_He_111_during_the_Battle_of_Britain.jpg
    [7] => http://upload.wikimedia.org/wikipedia/commons/6/66/Regulation_WW_II_Underwing_Balkenkreuz.png
)

请注意，第二个数组的第 6 个元素上的 URL 发生了一些变化。这就是 @JosephJaber 在上面的评论中警告的内容。

希望这对某人有帮助。

Answer 7

我编写了一些代码，通过维基百科文章标题获取主图像（完整 URL）。它并不完美，但总的来说我对结果非常满意。

挑战在于，当查询特定标题时，维基百科会返回多个图像文件名（不带路径）。此外，二次搜索（我使用了本线程中发布的代码 varatis - 谢谢！）会返回根据搜索到的图像文件名找到的所有图像的 URL，无论原始文章标题如何。毕竟，我们最终可能会得到与搜索无关的通用图像，因此我们将其过滤掉。该代码迭代文件名和 URL，直到找到（希望是最好的）匹配...有点复杂，但它有效:)

关于通用过滤器的注意事项：我一直在为 isGeneric() 编译通用图像字符串列表功能，但列表不断增长。我正在考虑将其保留为公开列表 - 如果有任何兴趣请告诉我。

上一篇：

protected static $baseurl = "http://en.wikipedia.org/w/api.php";

主函数 - 从标题获取图像 URL：

public static function getImageURL($title)
{
    $images = self::getImageFilenameObj($title); // returns JSON object
    if (!$images) return '';

    foreach ($images as $image)
    {
        // get object of image URL for given filename
        $imgjson = self::getFileURLObj($image->title);

        // return first image match
        foreach ($imgjson as $img)
        {
            // get URL for image
            $url = $img->imageinfo[0]->url;

            // no image found               
            if (!$url) continue;

            // filter generic images
            if (self::isGeneric($url)) continue;

            // match found
            return $url;
        }
    }
    // match not found
    return '';          
}

== 上面的主函数调用了以下函数 ==

按标题获取 JSON 对象（文件名）：

public static function getImageFilenameObj($title)
{
    try     // see if page has images
    {
        // get image file name
        $json = json_decode(
            self::retrieveInfo(
                self::$baseurl . '?action=query&titles=' .
                urlencode($title) . '&prop=images&format=json'
            ))->query->pages;

        /** The foreach is only to get around
         *  the fact that we don't have the id.
         */
        foreach ($json as $id) { return $id->images; }
    }
    catch(exception $e) // no images
    {
        return NULL;
    }
}   

按文件名获取 JSON 对象（URL）：

public static function getFileURLObj($filename)
{
    try                     // resolve URL from filename
    {
        return json_decode(
            self::retrieveInfo(
                self::$baseurl . '?action=query&titles=' .
                urlencode($filename) . '&prop=imageinfo&iiprop=url&format=json'
            ))->query->pages;
    }
    catch(exception $e)     // no URLs
    {
        return NULL;
    }
}   

过滤掉通用图像：

public static function isGeneric($url)
{
    $generic_strings = array(
        '_gray.svg',
        'icon',
        'Commons-logo.svg',
        'Ambox',
        'Text_document_with_red_question_mark.svg',
        'Question_book-new.svg',
        'Canadese_kano',
        'Wiki_letter_',
        'Edit-clear.svg',
        'WPanthroponymy',
        'Compass_rose_pale',
        'Us-actor.svg',
        'voting_box',
        'Crystal_',
        'transportation_inv',
        'arrow.svg',
        'Quill_and_ink-US.svg',
        'Decrease2.svg',
        'Rating-',
        'template',
        'Nuvola_apps_',
        'Mergefrom.svg',
        'Portal-',
        'Translation_to_',
        '/School.svg',
        'arrow',
        'Symbol_',
        'stub',
        'Unbalanced_scales.svg',
        '-logo.',
        'P_vip.svg',
        'Books-aj.svg_aj_ashton_01.svg',
        'Film',
        '/Gnome-',
        'cap.svg',
        'Missing',
        'silhouette',
        'Star_empty.svg',
        'Music_film_clapperboard.svg',
        'IPA_Unicode',
        'symbol',
        '_highlighting_',
        'pictogram',
        'Red_pog.svg',
        '_medal_with_cup',
        '_balloon',
        'Feature',
        'Aiga_'
    );

    foreach ($generic_strings as $str)
    {
        if (stripos($url, $str) !== false) return true;
    }

    return false;
}

欢迎评论。

Answer 8

让我们以页面 http://en.wikipedia.org/wiki/index 为例。 html?curid=57570
获取主图

查看

属性=页面属性

action=query&pageids=57570&prop=pageprops&format=json

结果页面数据例如。

{ "pages" : { "57570":{
                    "pageid":57570,
                    "ns":0,
                    "title":"Sachin Tendulkar",
                    "pageprops" : {
                         "defaultsort":"Tendulkar,Sachin",
                         "page_image":"Sachin_at_Castrol_Golden_Spanner_Awards_(crop).jpg",
                         "wikibase_item":"Q9488"
                    }
            }
          }
 }}

我们得到主图片文件名这个结果为

** (wikiId).pageprops.page_image = Sachin_at_Castrol_Golden_Spanner_Awards_(crop).jpg**

现在，由于我们有了图像文件名，因此我们必须进行另一个 Api 调用以从文件名获取完整图像路径，如下所示

action=query&titles=Image:INSERT_EXAMPLE_FILE_NAME_HERE.jpg&prop=imageinfo&iiprop=url

例如。

action=query&titles=图片：Sachin_at_Castrol_Golden_Spanner_Awards_(crop).jpg&prop=imageinfo&iiprop=url

返回图像数据数组，其中 url 为
http://upload.wikimedia.org/wikipedia/commons/3/35/Sachin_at_Castrol_Golden_Spanner_Awards_%28crop%29.jpg

Answer 9

我有一种方法可以可靠地获取维基百科页面的主图像 - 名为 PageImages 的扩展

PageImages 扩展程序收集有关页面上使用的图像的信息。

其目的是返回关联的单个最合适的缩略图
对于一篇文章，尝试仅返回有意义的图像，例如不返回
来自维护模板、存根或标志图标的内容。目前它
使用页面中使用的第一个无意义的图像。

https://www.mediawiki.org/wiki/Extension:PageImages

只需添加 prop pageimages 到您的 API 查询：

/w/api.php?action=query&prop=pageimages&titles=Somepage&format=xml

这可以可靠地过滤掉烦人的默认图像，并防止您必须自己过滤它们！该扩展已安装在所有主要维基百科页面上...

Answer 10

就像 Anuraj 提到的，pageimages 参数就是它。看看下面的网址，它会带来一些漂亮的东西：

https://en.wikipedia.org/w/api.php?action=query&prop=info|extracts|pageimages|images&inprop=url&exsentences=1&titles=india

她有一些有趣的参数：

• 两个参数 extracts 和 exsentences 为您提供了一个简短的内容
  您可以使用的描述。 （exsentences 是您要在摘录中包含的句子数）
• info 和 inprop=url 参数为您提供页面的 url
• prop 属性具有多个由条形符号分隔的参数
• 如果你在其中插入 format=json ，效果更好

Answer 11

请参阅有关 Wikipedia API 的此相关问题。但是，我不知道是否可以通过 API 检索缩略图。

您还可以考虑仅解析网页来查找图像 URL，并以这种方式检索图像。

Answer 12

这是我发现 95% 的文章都适用的 XPath 列表。主要是 1、2、3 和 4。很多文章的格式不正确，这些都是边缘情况：

您可以使用 DOM 解析库来使用 XPath 获取图像。

static NSString   *kWikipediaImageXPath2    =   @"//*[@id=\"mw-content-text\"]/div[1]/div/table/tr[2]/td/a/img";
static NSString   *kWikipediaImageXPath3    =   @"//*[@id=\"mw-content-text\"]/div[1]/table/tr[1]/td/a/img";
static NSString   *kWikipediaImageXPath1    =   @"//*[@id=\"mw-content-text\"]/div[1]/table/tr[2]/td/a/img";
static NSString   *kWikipediaImageXPath4    =   @"//*[@id=\"mw-content-text\"]/div[2]/table/tr[2]/td/a/img";
static NSString   *kWikipediaImageXPath5    =   @"//*[@id=\"mw-content-text\"]/div[1]/table/tr[2]/td/p/a/img";
static NSString   *kWikipediaImageXPath6    =   @"//*[@id=\"mw-content-text\"]/div[1]/table/tr[2]/td/div/div/a/img";
static NSString   *kWikipediaImageXPath7    =   @"//*[@id=\"mw-content-text\"]/div[1]/table/tr[1]/td/div/div/a/img";

我在 libxml2.2 周围使用了一个名为 Hpple 的 ObjC 包装器来提取图像 url。希望这有帮助

Answer 13

您还可以使用名为 SDWebImage 的 cocoa Pod

代码示例（记住还要添加 import SDWebImage）：

func requestInfo(flowerName: String) {

        let parameters : [String:String] = [
            "format" : "json",
            "action" : "query",
            "prop" : "extracts|pageimages",//pageimages allows fetch imagePath
            "exintro" : "",
            "explaintext" : "",
            "titles" : flowerName,
            "indexpageids" : "",
            "redirects" : "1",
            "pithumbsize" : "500"//specify image size in px
        ]


        AF.request(wikipediaURL, method: .get, parameters: parameters).responseJSON { (response) in
            switch response.result {
            case .success(let value):
                print("Got the wikipedia info.")
                print(response)

                let flowerJSON : JSON = JSON(response.value!)
                let pageid = flowerJSON["query"]["pageids"][0].stringValue

                let flowerDescription = flowerJSON["query"]["pages"][pageid]["extract"].stringValue

                let flowerImageURL = flowerJSON["query"]["pages"][pageid]["thumbnail"]["source"].stringValue //fetching Image URL

                self.wikiInfoLabel.text = flowerDescription
                self.imageView.sd_setImage(with: URL(string : flowerImageURL))//imageView updated with Wiki Image

            case .failure(let error):
                print(error)
            }
        }
    }

Answer 14

我认为不是，但您可以使用链接解析器 HTML 文档捕获图像