試圖抓取wikitravel

Question

我正試圖抓取特定數據的維基旅行。像氣候，getin等 我已經設法從他們的特殊出口的XML。

http://wikitravel.org/en/Special:Export/San_Francisco 我以XML格式的數據，但它是在維基標記，我嘗試瀏覽的解決方案，使該文本，但無法找到一個合適的解決方案。

我試着用正則表達式寫一個php函數，所以我可以將它轉換成html，但它以非均勻的方式轉換，所以很難選擇特定的數據。

也試着寫的mediawiki URL，這樣我可以計劃一些 http://wikitravel.org/en/api.php?format=xml&action=query&titles=Main%20Page&prop=revisions&rvprop=content 但它不工作。

你能幫我解決這個問題嗎？有沒有人成功地刮過維基百科。我有一個教程或任何其他技術，我可以參考。

Answer 1

有一個類似的問題在這裏：Where can I find a good MediaWiki Markup parser in PHP?

我也發現了這一點：https://github.com/codeholic/w/blob/master/creole.php 這些來自：http://www.ivan.fomichev.name/2010/02/php-creole-10-wiki-markup-parser.html

這聽起來像一個令人沮喪的努力，祝你好運！

Answer 2

維客旅行的鏈接到MediaWiki API是http://wikitravel.org/wiki/en/api.php，那麼試試這個來代替：

http://wikitravel.org/wiki/en/api.php?format=xml&action=query&titles=Main%20Page&prop=revisions&rvprop=content

你將要使用的API客戶端，請參閱http://www.mediawiki.org/wiki/API:Client_code的選擇。另外請注意，Wikitravel使用舊版本的MediaWiki（1.11），所以現代API中的許多操作都不起作用。