获取所有带有伦敦坐标的维基百科文章

Question

一般来说，我想获取所有带有伦敦坐标的维基百科文章的链接（和标题）。我尝试使用 Google，但不幸的是没有提供适当的搜索词。有什么提示吗？

Answer 1

这真的只是一个想法的集合，太大了，无法评论。

您最好的选择可能是DBpedia。它是 Wikipedia 的语义镜像，具有比 Wikipedia 的 API 更复杂的查询可能性。正如您在this paper 中看到的，它可以处理相当复杂的空间查询，但您需要进入SPARQL。这是该论文中的一个数字：

也就是说，维基百科的 API 有一个相对较新的空间查询功能：Showing nearby wiki information。我不认为你可以在多边形中搜索，但这是一个好的开始。

这是我之前写的关于使用 mwclient 从文章中获取坐标的答案，但该用户具有获取文章列表的优势。

Geonames.org 可能有助于将搜索范围缩小到地理定位的文章。查看英文维基百科中的 806,000 篇地理定位文章也不错。

出于性能原因，并避免给 Wikipedia 的服务器带来麻烦，您可以考虑使用 Wikipedia 或 DBpedia 的转储。

Answer 2

看起来像是 OpenStreetMap 和 Overpass API 的任务。

为了构建我们的查询，我们转到 overpass turbo（Overpass API 的一个不错的前端），打开 wizard 并输入“wikipedia=* in London”，因为我们对 wikipedia tag 感兴趣.

自动生成和执行的查询将是这个：

[out:json][timeout:25];
// fetch area “London” to search in
{{geocodeArea:London}}->.searchArea;
// gather results
(
  // query part for: “wikipedia=*”
  node["wikipedia"](area.searchArea);
  way["wikipedia"](area.searchArea);
  relation["wikipedia"](area.searchArea);
);
// print results
out body;
>;
out skel qt;

这会返回太多元素，也会给您的浏览器带来沉重负担。并且可能会因为超时时间太短而失败。

我们稍作修改。我们增加了 超时 并删除了递归步骤 (>;)，因为我们只对直接结果感兴趣，而不对任何相关对象感兴趣。结果查询将是这个：

[out:json][timeout:90];
// fetch area “London” to search in
{{geocodeArea:London}}->.searchArea;
// gather results
(
  // query part for: “wikipedia=*”
  node["wikipedia"](area.searchArea);
  way["wikipedia"](area.searchArea);
  relation["wikipedia"](area.searchArea);
);
// print results
out body;
out skel qt;

您可以查看result here。

现在有多种选项可以导出它。在 overpass turbo 上，您可以转到 export 并将结果直接保存到文件或获取发送到 Overpass API 的原始查询。您现在可以直接从您的 python 脚本运行此查询。

请注意，有不同的output formats 可用：JSON、XML 和 CSV。在 Wikipedia 标签旁边，您可能还对 wikidata tag 感兴趣。

还请注意，这不会为您提供所有具有伦敦坐标的 Wikipedia 页面，而只是包含在 OSM 数据库中的那个。