मुझे सिर्फ एक विकिपीडिया पृष्ठ के पहले पैराग्राफ को पुनः प्राप्त करने की आवश्यकता है। सामग्री html तैयार की जानी चाहिए, मेरी वेबसाइटों पर प्रदर्शित होने के लिए तैयार है (इसलिए NO BBCODE, या WIKIPEDIA विशेष CODE!)
मुझे सिर्फ एक विकिपीडिया पृष्ठ के पहले पैराग्राफ को पुनः प्राप्त करने की आवश्यकता है। सामग्री html तैयार की जानी चाहिए, मेरी वेबसाइटों पर प्रदर्शित होने के लिए तैयार है (इसलिए NO BBCODE, या WIKIPEDIA विशेष CODE!)
जवाबों:
किसी भी HTML पार्सिंग के बिना पूरे "परिचय अनुभाग" प्राप्त करने का एक तरीका है! एंथनीस के जवाब के समानएक अतिरिक्त के साथexplaintext
परम के , आप सादे पाठ में परिचय अनुभाग पाठ प्राप्त कर सकते हैं।
सादे पाठ में ढेर अतिप्रवाह का परिचय प्राप्त करना:
(चेतावनी छीन ली गई)
{
"query": {
"pages": {
"21721040": {
"pageid": 21721040,
"ns": 0,
"title": "Stack Overflow",
"extract": "Stack Overflow is a privately held website, the flagship site of the Stack Exchange Network, created in 2008 by Jeff Atwood and Joel Spolsky, as a more open alternative to earlier Q&A sites such as Experts Exchange. The name for the website was chosen by voting in April 2008 by readers of Coding Horror, Atwood's popular programming blog.\nIt features questions and answers on a wide range of topics in computer programming. The website serves as a platform for users to ask and answer questions, and, through membership and active participation, to vote questions and answers up or down and edit questions and answers in a fashion similar to a wiki or Digg. Users of Stack Overflow can earn reputation points and \"badges\"; for example, a person is awarded 10 reputation points for receiving an \"up\" vote on an answer given to a question, and can receive badges for their valued contributions, which represents a kind of gamification of the traditional Q&A site or forum. All user-generated content is licensed under a Creative Commons Attribute-ShareAlike license. Questions are closed in order to allow low quality questions to improve. Jeff Atwood stated in 2010 that duplicate questions are not seen as a problem but rather they constitute an advantage if such additional questions drive extra traffic to the site by multiplying relevant keyword hits in search engines.\nAs of April 2014, Stack Overflow has over 2,700,000 registered users and more than 7,100,000 questions. Based on the type of tags assigned to questions, the top eight most discussed topics on the site are: Java, JavaScript, C#, PHP, Android, jQuery, Python and HTML."
}
}
}
}
प्रलेखन: एपीआई: क्वेरी / प्रोप = अर्क
संपादित करें: &redirects=1
टिप्पणियों में अनुशंसित के रूप में जोड़ा गया ।
$extract = current((array)$data->query->pages)->extract;
। लेकिन "नोटिस: गैर-वस्तु की संपत्ति प्राप्त करने की कोशिश" जारी रहती है।
वास्तव में अर्क नामक एक बहुत अच्छा प्रोप है जिसे विशेष रूप से इस उद्देश्य के लिए डिज़ाइन किए गए प्रश्नों के साथ इस्तेमाल किया जा सकता है। अर्क आपको लेख के अर्क (काटे गए लेख पाठ) प्राप्त करने की अनुमति देता है। एक्सिन्ट्रो नामक एक पैरामीटर है जिसका उपयोग पाठ को शून्य खंड (चित्र या इन्फोबॉक्स की तरह कोई अतिरिक्त संपत्ति नहीं) में प्राप्त करने के लिए किया जा सकता है । आप बारीक बारीकियों के साथ अर्क भी प्राप्त कर सकते हैं जैसे कि वर्णों की एक निश्चित संख्या ( एक्सचेंज ) या एक निश्चित संख्या में वाक्य ( एक्ससेंट )
यहाँ एक नमूना प्रश्न है http://en.wikipedia.org/w/api.php?action=query&prop=extracts&format=json&exintro=&tmarks=Stack%20Overflow और API सैंडबॉक्स http://en.wikipedia.org/wiki/ विशेष: ApiSandbox # कार्रवाई = क्वेरी और प्रोप = अर्क और प्रारूप = json और exintro = और शीर्षक = इस क्वेरी के साथ और अधिक प्रयोग करने के लिए % २०Overflow का स्टैक करें।
कृपया ध्यान दें कि यदि आप पहले पैराग्राफ को विशेष रूप से चाहते हैं, तो आपको अभी भी कुछ अतिरिक्त रूप से पार्स करने की आवश्यकता है जैसा कि चुने गए उत्तर में सुझाया गया है। यहाँ अंतर यह है कि इस क्वेरी द्वारा दी गई प्रतिक्रिया सुझावित अन्य एपीआई प्रश्नों की तुलना में कम है, क्योंकि आपके पास अतिरिक्त संपत्ति नहीं है जैसे कि पार्स करने के लिए एपीआई प्रतिक्रिया में चित्र।
2017 से विकिपीडिया बेहतर कैशिंग के साथ REST API प्रदान करता है । में प्रलेखन आप निम्नलिखित एपीआई जो पूरी तरह से आपके उपयोग के मामले फिट बैठता है पा सकते हैं। (जैसा कि नए पेज प्रीव्यू फीचर द्वारा उपयोग किया जाता है )
https://en.wikipedia.org/api/rest_v1/page/summary/Stack_Overflow
निम्नलिखित डेटा लौटाता है जिसका उपयोग एक छोटे से थंबनेल के साथ एक गर्मी दिखाने के लिए किया जा सकता है:
{
"type": "standard",
"title": "Stack Overflow",
"displaytitle": "Stack Overflow",
"extract": "Stack Overflow is a question and answer site for professional and enthusiast programmers. It is a privately held website, the flagship site of the Stack Exchange Network, created in 2008 by Jeff Atwood and Joel Spolsky. It features questions and answers on a wide range of topics in computer programming. It was created to be a more open alternative to earlier question and answer sites such as Experts-Exchange. The name for the website was chosen by voting in April 2008 by readers of Coding Horror, Atwood's popular programming blog.",
"extract_html": "<p><b>Stack Overflow</b> is a question and answer site for professional and enthusiast programmers. It is a privately held website, the flagship site of the Stack Exchange Network, created in 2008 by Jeff Atwood and Joel Spolsky. It features questions and answers on a wide range of topics in computer programming. It was created to be a more open alternative to earlier question and answer sites such as Experts-Exchange. The name for the website was chosen by voting in April 2008 by readers of <i>Coding Horror</i>, Atwood's popular programming blog.</p>",
"namespace": {
"id": 0,
"text": ""
},
"wikibase_item": "Q549037",
"titles": {
"canonical": "Stack_Overflow",
"normalized": "Stack Overflow",
"display": "Stack Overflow"
},
"pageid": 21721040,
"thumbnail": {
"source": "https://upload.wikimedia.org/wikipedia/en/thumb/f/fa/Stack_Overflow_homepage%2C_Feb_2017.png/320px-Stack_Overflow_homepage%2C_Feb_2017.png",
"width": 320,
"height": 149
},
"originalimage": {
"source": "https://upload.wikimedia.org/wikipedia/en/f/fa/Stack_Overflow_homepage%2C_Feb_2017.png",
"width": 462,
"height": 215
},
"lang": "en",
"dir": "ltr",
"revision": "902900099",
"tid": "1a9cdbc0-949b-11e9-bf92-7cc0de1b4f72",
"timestamp": "2019-06-22T03:09:01Z",
"description": "website hosting questions and answers on a wide range of topics in computer programming",
"content_urls": {
"desktop": {
"page": "https://en.wikipedia.org/wiki/Stack_Overflow",
"revisions": "https://en.wikipedia.org/wiki/Stack_Overflow?action=history",
"edit": "https://en.wikipedia.org/wiki/Stack_Overflow?action=edit",
"talk": "https://en.wikipedia.org/wiki/Talk:Stack_Overflow"
},
"mobile": {
"page": "https://en.m.wikipedia.org/wiki/Stack_Overflow",
"revisions": "https://en.m.wikipedia.org/wiki/Special:History/Stack_Overflow",
"edit": "https://en.m.wikipedia.org/wiki/Stack_Overflow?action=edit",
"talk": "https://en.m.wikipedia.org/wiki/Talk:Stack_Overflow"
}
},
"api_urls": {
"summary": "https://en.wikipedia.org/api/rest_v1/page/summary/Stack_Overflow",
"metadata": "https://en.wikipedia.org/api/rest_v1/page/metadata/Stack_Overflow",
"references": "https://en.wikipedia.org/api/rest_v1/page/references/Stack_Overflow",
"media": "https://en.wikipedia.org/api/rest_v1/page/media/Stack_Overflow",
"edit_html": "https://en.wikipedia.org/api/rest_v1/page/html/Stack_Overflow",
"talk_page_html": "https://en.wikipedia.org/api/rest_v1/page/html/Talk:Stack_Overflow"
}
}
डिफ़ॉल्ट रूप से, यह पुनर्निर्देशित करता है (ताकि यह /api/rest_v1/page/summary/StackOverflow
भी काम करता है), लेकिन इसके साथ अक्षम किया जा सकता है?redirect=false
यदि आपको किसी अन्य डोमेन से एपीआई का उपयोग करने की आवश्यकता है तो आप कोर्स हेडर को सेट कर सकते हैं &origin=
(जैसे &origin=*
)
अपडेट 2019: एपीआई पृष्ठ के बारे में अधिक उपयोगी जानकारी वापस करता है।
"other_tags" : "\"addr:country\"=>\"CW\",\"historic\"=>\"ruins\",\"name:nl\"=>\"Riffort\",\"wikidata\"=>\"Q4563360\",\"wikipedia\"=>\"nl:Riffort\""
क्या हम QID द्वारा अब एक्स्ट्रेक्ट प्राप्त कर सकते हैं?
यह कोड आपको सादे पाठ में पृष्ठ के पहले पैराग्राफ की सामग्री को पुनः प्राप्त करने की अनुमति देता है।
इस उत्तर के भाग यहाँ से आते हैं और इस प्रकार यहाँ हैं । देखें मीडियाविकि API दस्तावेज़ और जानकारी के लिए।
// action=parse: get parsed text
// page=Baseball: from the page Baseball
// format=json: in json format
// prop=text: send the text content of the article
// section=0: top content of the page
$url = 'http://en.wikipedia.org/w/api.php?format=json&action=parse&page=Baseball&prop=text§ion=0';
$ch = curl_init($url);
curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1);
curl_setopt ($ch, CURLOPT_USERAGENT, "TestScript"); // required by wikipedia.org server; use YOUR user agent with YOUR contact information. (otherwise your IP might get blocked)
$c = curl_exec($ch);
$json = json_decode($c);
$content = $json->{'parse'}->{'text'}->{'*'}; // get the main text content of the query (it's parsed HTML)
// pattern for first match of a paragraph
$pattern = '#<p>(.*)</p>#Us'; // http://www.phpbuilder.com/board/showthread.php?t=10352690
if(preg_match($pattern, $content, $matches))
{
// print $matches[0]; // content of the first paragraph (including wrapping <p> tag)
print strip_tags($matches[1]); // Content of the first paragraph without the HTML tags.
}
हाँ वहाँ है। उदाहरण के लिए, यदि आप लेख ढेर अतिप्रवाह के पहले खंड की सामग्री प्राप्त करना चाहते हैं, तो इस तरह से एक प्रश्न का उपयोग करें:
भागों का मतलब यह है:
format=xml
: XML के रूप में परिणाम सूत्रक लौटाएं। अन्य विकल्प (जैसे JSON) उपलब्ध हैं। यह पृष्ठ सामग्री के प्रारूप को प्रभावित नहीं करता है, केवल संलग्न डेटा प्रारूप।
action=query&prop=revisions
: पृष्ठ के संशोधन के बारे में जानकारी प्राप्त करें। चूंकि हम निर्दिष्ट नहीं करते हैं कि कौन सा संशोधन है, इसलिए नवीनतम का उपयोग किया जाता है।
titles=Stack%20Overflow
: पृष्ठ के बारे में जानकारी प्राप्त करें Stack Overflow
। यदि आप उनके नामों को अलग करते हैं, तो एक बार में अधिक पृष्ठों का पाठ प्राप्त करना संभव है |
।
rvprop=content
: संशोधन की सामग्री (या पाठ) वापस करें।
rvsection=0
: खंड 0 से केवल सामग्री वापस करें।
rvparse
: HTML के रूप में पार्स की गई सामग्री लौटाएं।
ध्यान रखें कि यह पूरे पहले खंड को देता है जिसमें हैटोटेस ("अन्य उपयोगों के लिए ..."), इन्फोबॉक्स या चित्र जैसी चीजें शामिल हैं।
विभिन्न भाषाओं के लिए कई पुस्तकालय उपलब्ध हैं जो एपीआई के साथ काम करना आसान बनाते हैं, यदि आप उनमें से किसी एक का उपयोग करते हैं तो यह आपके लिए बेहतर हो सकता है।
&redirects=true
यदि आप मौजूद हैं, तो लिंक के अंत में जोड़ना आपको गंतव्य लेख तक पहुंचाता है।
यह वह कोड है जिसका मैं अभी उपयोग कर रहा हूं एक वेबसाइट के लिए जो मैं बना रहा हूं जिसे विकिपीडिया लेखों के प्रमुख पैराग्राफ / सारांश / अनुभाग 0 प्राप्त करने की आवश्यकता है, और यह सब ब्राउज़र के भीतर किया जाता है (क्लाइंट साइड जावास्क्रिप्ट) मैजिक के लिए धन्यवाद JSONP का! -> http://jsfiddle.net/gautamadude/HMJJg/1/
यह HTML में अग्रणी पैराग्राफ (जिसे खंड 0 कहा जाता है) को पाने के लिए विकिपीडिया एपीआई का उपयोग करता है जैसे: http://en.wikipedia.org/w/api.php?format=json&action=parse&page=Stack_Overflow_prop=text§ion=0&callback=?
यह तब HTML और अन्य अवांछित डेटा को स्ट्रिप करता है, जिससे आपको एक लेख सारांश की एक साफ स्ट्रिंग मिलती है, यदि आप चाहते हैं कि आप थोड़ा ट्वीकिंग के साथ, अग्रणी पैराग्राफ के चारों ओर एक "p" HTML टैग प्राप्त कर सकते हैं, लेकिन अभी एक नई रूपरेखा है उनके बीच का चरित्र।
कोड:
var url = "http://en.wikipedia.org/wiki/Stack_Overflow";
var title = url.split("/").slice(4).join("/");
//Get Leading paragraphs (section 0)
$.getJSON("http://en.wikipedia.org/w/api.php?format=json&action=parse&page=" + title + "&prop=text§ion=0&callback=?", function (data) {
for (text in data.parse.text) {
var text = data.parse.text[text].split("<p>");
var pText = "";
for (p in text) {
//Remove html comment
text[p] = text[p].split("<!--");
if (text[p].length > 1) {
text[p][0] = text[p][0].split(/\r\n|\r|\n/);
text[p][0] = text[p][0][0];
text[p][0] += "</p> ";
}
text[p] = text[p][0];
//Construct a string from paragraphs
if (text[p].indexOf("</p>") == text[p].length - 5) {
var htmlStrip = text[p].replace(/<(?:.|\n)*?>/gm, '') //Remove HTML
var splitNewline = htmlStrip.split(/\r\n|\r|\n/); //Split on newlines
for (newline in splitNewline) {
if (splitNewline[newline].substring(0, 11) != "Cite error:") {
pText += splitNewline[newline];
pText += "\n";
}
}
}
}
pText = pText.substring(0, pText.length - 2); //Remove extra newline
pText = pText.replace(/\[\d+\]/g, ""); //Remove reference tags (e.x. [1], [4], etc)
document.getElementById('textarea').value = pText
document.getElementById('div_text').textContent = pText
}
});
यह यूआरएल xml प्रारूप में सारांश लौटाएगा।
http://lookup.dbpedia.org/api/search.asmx/KeywordSearch?QueryString=Agra&MaxHits=1
मैंने विकिपीडिया से किसी कीवर्ड का विवरण लाने के लिए एक फ़ंक्शन बनाया है।
function getDescription($keyword){
$url='http://lookup.dbpedia.org/api/search.asmx/KeywordSearch?QueryString='.urlencode($keyword).'&MaxHits=1';
$xml=simplexml_load_file($url);
return $xml->Result->Description;
}
echo getDescription('agra');
आप भी इस तरह के माध्यम से पहले pagagraph के रूप में सामग्री प्राप्त कर सकते DBPedia जो विकिपीडिया सामग्री लेता है और यह (RDF) से संरचित जानकारी बनाता है और एक एपीआई के माध्यम से इस उपलब्ध कराता है। DBPedia API एक SPARQL एक (RDF- आधारित) है, लेकिन यह JSON को आउटपुट करता है और इसे रैप करना बहुत आसान है।
यहाँ एक उदाहरण के रूप में विकिपीडियाएस नामक एक सुपर सरल जेएस लाइब्रेरी है जो एक सारांश पहले पैराग्राफ सहित संरचित सामग्री को निकाल सकता है: http://okfnlabs.org/wikipediajs/
आप इसके बारे में इस ब्लॉग पोस्ट में और अधिक पढ़ सकते हैं: http://okfnlabs.org/blog/2012/09/10/wikipediajs-a-javascript-library-for-accessing-wikipedia-article-information.html
जेएस लाइब्रेरी कोड यहां पाया जा सकता है: https://github.com/okfn/wikipediajs/blob/master/wikipedia.js
abstract.xml.gz
डंप लगता है आप जो चाहते है की तरह है।
यदि आप केवल उस पाठ की तलाश कर रहे हैं, जिसे आप विभाजित कर सकते हैं, लेकिन एपीआई का उपयोग नहीं करना चाहते हैं तो en.wikipedia.org/w/index.php?title=Elephant&action=raw पर एक नज़र डालें
मेरा दृष्टिकोण इस प्रकार था (PHP में):
$url = "whatever_you_need"
$html = file_get_contents('https://en.wikipedia.org/w/api.php?action=opensearch&search='.$url);
$utf8html = html_entity_decode(preg_replace("/U\+([0-9A-F]{4})/", "&#x\\1;", $html), ENT_NOQUOTES, 'UTF-8');
$utf8html
आगे सफाई की आवश्यकता हो सकती है, लेकिन यह मूल रूप से है।
मैंने @ मिचेल रैपादास और @ क्रिंकल के समाधान की कोशिश की, लेकिन मेरे मामले में मुझे पूंजीकरण के आधार पर कुछ लेख खोजने में परेशानी हुई। जैसे यहाँ:
नोट I ने प्रतिक्रिया को छोटा कर दिया है exsentences=1
जाहिरा तौर पर "शीर्षक सामान्यीकरण" सही ढंग से काम नहीं कर रहा था:
शीर्षक सामान्यीकरण पृष्ठ के शीर्षक को अपने विहित रूप में परिवर्तित करता है। इसका अर्थ है कि पहले वर्ण को कैपिटल करना, रिक्त स्थान के साथ अंडरस्कोर की जगह, और उस विकी के लिए परिभाषित स्थानीय रूप में नाम स्थान बदलना। शीर्षक सामान्यीकरण स्वचालित रूप से किया जाता है, इसकी परवाह किए बिना क्वेरी मॉड्यूल का उपयोग किया जाता है। हालाँकि, पृष्ठ शीर्षकों (\ n) में कोई भी अनुगामी रेखा विखंडित होती है और विषम व्यवहार का कारण बनती है और उन्हें पहले हटा दिया जाना चाहिए।
मुझे पता है कि मैं कैपिटलाइज़ेशन के मुद्दे को आसानी से सुलझा सकता था, लेकिन ऑब्जेक्ट को एक सरणी में रखने की असुविधा भी थी।
इसलिए क्योंकि मैं वास्तव में एक अच्छी तरह से ज्ञात और परिभाषित खोज का बहुत पहला पैराग्राफ चाहता था (कोई अन्य लेख से जानकारी प्राप्त करने के लिए कोई जोखिम नहीं) मैंने इसे इस तरह किया:
https://en.wikipedia.org/w/api.php?action=opensearch&search=led%20zeppelin&limit=1&format=json
इस मामले में ध्यान दें, मैंने के साथ छंटनी की थी limit=1
इस तरफ:
लेकिन हमें अपनी खोज के पूंजीकरण से सावधान रहना होगा।
अधिक जानकारी: https://www.mediawiki.org/wiki/API:Opensearch