从维基百科文章中提取视频或音频文件的数量答案

【问题标题】：Extract number of video or audio files from Wikipedia article从维基百科文章中提取视频或音频文件的数量
【发布时间】：2014-12-08 21:00:37
【问题描述】：

我正在尝试提取 Wikipedia 文章中存在的视频或音频文件的数量，我搜索了 API，但没有找到相应的 API。

我确实注意到，当使用 API 提取特定页面的图像时，带有 .ogg 扩展名的音频文件会出现在带有图像的列表中。

http://ar.wikipedia.org/w/api.php?format=xml&action=parse&page=%D8%AD%D9%88%D8%AB%D9%8A%D9%88%D9%86&prop=images&redirects=

不知道这个案例能不能泛化，能不能用它来统计视频和音频文件？有没有人有其他方法可以做到这一点？

【问题讨论】：

标签： mediawiki mediawiki-api

【解决方案1】：

基本上所有文件类型都被 API 平等对待，但您可以获取每个文件的 mediatype，并使用它来过滤掉视频和音频文件。

要获取文件的媒体类型，您可以为每个文件使用prop=imageinfo（这个will be changed 到更准确的prop=fileinfo 在未来的版本中）。由于prop=images 可以用作生成器，因此您可以在一个 API 调用中获取文件列表及其媒体类型，例如 this：

https://ar.wikipedia.org/w/api.php?action=query&generator=images&titles=%D8%AD%D9%88%D8%AB%D9%8A%D9%88%D9%86&redirects=&prop=imageinfo&iiprop=mediatype&continue=&format=xml

这里images 用作生成器，返回文件列表，而文件列表又被提供给imageinfo 调用。

对于每个文件，您将得到如下内容：

"2014232": {
  "pageid": 2014232,
  "ns": 6,
  "title": "\u0645\u0644\u0641:06-Salame-Al Aadm 001.ogg",
  "imagerepository": "local",
  "imageinfo": [
    {
      "mediatype": "AUDIO"
    }
  ]
}

mediatype 可以是以下任何一种（从manual 复制并粘贴）：

UNKNOWN     // unknown format
BITMAP      // some bitmap image or image source (like psd, etc). Can't scale up.
DRAWING     // some vector drawing (SVG, WMF, PS, ...) or image source (oo-draw, etc). Can scale up.
AUDIO       // simple audio file (ogg, mp3, wav, midi, whatever)
VIDEO       // simple video file (ogg, mpg, etc; no not include formats here that may contain executable sections or scripts!)
MULTIMEDIA  // Scriptable Multimedia (flash, advanced video container formats, etc)
OFFICE      // Office Documents, Spreadsheets (office formats possibly containing apples, scripts, etc)
TEXT        // Plain text (possibly containing program code or scripts)
EXECUTABLE  // binary executable
ARCHIVE     // archive file (zip, tar, etc)

mimetype mediatype 的默认映射在 here 可用，但可以为单个 wiki 覆盖它。

【讨论】：