如何通过 MediaWiki API 从维基百科文章中获取信息框？ [复制]答案

【问题标题】：How can I get the Infobox from a Wikipedia article by the MediaWiki API? [duplicate]如何通过 MediaWiki API 从维基百科文章中获取信息框？ [复制]
【发布时间】：2011-11-30 02:30:58
【问题描述】：

维基百科文章可能有信息框模板。通过以下调用，我可以获得包含信息框的文章的第一部分。

http://en.wikipedia.org/w/api.php?action=parse&pageid=568801&section=0&prop=wikitext

我想要一个只返回信息框数据的查询。这可能吗？

【问题讨论】：

查看How to extract information from a Wikipedia infobox?以获得更详细的答案。

标签： wikipedia-api mediawiki-api

【解决方案1】：

如果页面有右侧信息框，则使用此 URL 以 txt 格式获取。

我的示例是使用元素hydrogen。您只需将“Hydrogen”替换为您的标题即可。

https://en.wikipedia.org/w/index.php?action=raw&title=Template:Infobox%20hydrogen

如果您正在寻找 JSON 格式，请使用此 URL，但它并不漂亮。

https://en.wikipedia.org/w/api.php?action=parse&page=Template:Infobox%20hydrogen&format=json

【讨论】：

我认为这是可行的，因为该页面存在：en.wikipedia.org/wiki/Template:Infobox_hydrogen。单独用“夏天”代替氢气是行不通的

【解决方案2】：

在garry's answer 的基础上，您可以让维基百科通过rvparse 参数为您将信息框解析为HTML，如下所示：

http://en.wikipedia.org/w/api.php?action=query&prop=revisions&rvprop=content&format=json&titles=Scary%20Monsters%20and%20Nice%20Sprites&rvsection=0&rvparse

请注意，这两种方法都不会返回只是信息框。但是从 HTML 内容中，您可以提取（通过，例如，Beautiful Soup）table，类为 infobox。

在Python 中，您执行以下操作

resp = requests.get(url).json()
page_one = next(iter(resp['query']['pages'].values()))
revisions = page_one.get('revisions', [])
html = next(iter(revisions[0].values()))
# Now parse the HTML

【讨论】：

【解决方案3】：

您可以像这样通过 URL 调用 Wikipedia API 来做到这一点：

http://en.wikipedia.org/w/api.php?action=query&prop=revisions&rvprop=content&format=xmlfm&titles=Scary%20Monsters%20and%20Nice%20Sprites&rvsection=0

如果您想要 JSON 格式的文章，请将 titles= 部分替换为您的页面标题，并将 format=xmlfm 替换为 format=json。

【讨论】：

【解决方案4】：

不要自己解析信息框，这很复杂，看看DBPedia，它将维基百科信息框提取为数据库对象。

【讨论】：

然而，这将为您提供与特定实体的所有关系，但不会告诉您信息框中存在哪些字段
IIUIC 他们不通过 API 提供任何数据库，只有一些提取工具。所以你需要在本地获取所有内容。