如何获取维基百科类别及其子类别下的所有文章页面？

Question

我想获得一个类别及其子类别下的所有文章名称.

我知道的选项:

1. 使用Wikipedia API.它有这样的选择吗？
2. d/l转储.哪种格式对我的使用更好？
3. 还有一个选项可以在Wikipedia中搜索类似的东西incategory:"music",但我没有看到在XML中查看它的选项.

请分享你的想法

Answer 1

以下资源将帮助您从该类别及其所有子类别下载所有页面:

http://en.wikipedia.org/wiki/Wikipedia:CatScan

这里还有一个API:

https://www.mediawiki.org/wiki/API:Categorymembers

Answer 2

您可以通过以下两种API方法执行此操作:

对于此类别的文章页面

YOUR_URL/api.php?action=query&format=json&list=categorymembers&cmtitle=Category:Music

获取子类别:

YOUR_URL/api.php?action=query&format=json&list=categorymembers&cmtype=subcat&cmtitle=Category:Music

您可以获得有关Mediawiki API的更多信息

Answer 3

请注意，维基百科的分类系统不是树，甚至不是无环图。通过不断地跟踪子类别链接，您很可能最终会回到开始的地方。

如果您要进行许多此类查询，最好的方法是下载数据库转储。如果这是一个不常见的事情并且只处理小类别，那么您可能可以避免对list=categorymembers.

incategory:"music"似乎没有进行子类别搜索。