来自 URL 的维基百科页面 ID答案

【问题标题】：Wikipedia Page Id from URL来自 URL 的维基百科页面 ID
【发布时间】：2014-04-27 19:09:27
【问题描述】：

我正在通过 java 中的维基百科转储进行解析。在我的模块中，我想知道当前页面引用的 wiki 内部页面的页面 ID。获取内部链接以及从中获取 url 很容易。但是如何从 url 中获取 Page ID。

我必须为此使用一些 mediaWiki 吗？如果是的话如何还有其他选择吗？

例如：http://en.wikipedia.org/wiki/United_States 我想得到它的 Page-Id 即 3434750

【问题讨论】：

页面中指定的页面id在哪里？
如果 Wikipedia 没有提供 API 供您检索此信息，看起来您需要在“爬虫”中构建一些自动化功能才能进入每个页面并检索您想要的 ID（您可以试试 Selenium/HTMLUnitDriver)。
从Wikipedia API 开始。从页面源代码来看，这个 ID 似乎是 mw.config.set 中的 wgArticleId，但我不确定如何从 API 中提取它。
我想我必须做一些解析来检索它

【解决方案1】：

您可以为此使用 API。具体来说，查询看起来像：

（也可以在titles参数中指定多个页面标题，以|分隔。）

您也可以下载page.sqldump（英文维基百科压缩为1 GB），其中也包含此信息。要实际查询它，您可以将其导入 MySQL 数据库然后查询，也可以直接解析 SQL。

【讨论】：

【解决方案2】：

如果您无法使用该 api，您始终可以通过将 ?action=info 附加到 url 来从到达的信息页面中获取 pageID。应该为解析器提供更好的起点。

【讨论】：