如何从Mediawiki API的维基百科文章中获取Infobox？

Question

维基百科文章可能有Infobox模板.通过以下调用,我可以获得包含Infobox的文章的第一部分.

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

我想要的是一个只返回Infobox数据的查询.这可能吗？

Answer 1

您可以通过对Wikipedia API的URL调用来执行此操作,如下所示:

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

更换titles=部分与你的页面标题,并format=xmlfm以format=json如果你想在JSON格式的文章.

Answer 2

而不是自己解析信息框,这是非常复杂的,请看一下DBPedia,它将Wikipedia信息框提取为数据库对象.

Answer 3

基于garry 的回答，您可以让 Wikipedia 通过参数将信息框解析为 HTML，rvparse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，这两种方法都不会仅返回信息框。但是，您可以从 HTML 内容中提取（通过例如Beautiful Soup）tablewith class infobox。

在Python中，您可以执行以下操作

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