從維基百科獲取文章XML轉儲 - 通過標題

Question

我知道這個問題可能比它看起來更簡單，但在閱讀大量材料後，我感到非常困惑。因此，我已經下載了一個維基百科轉儲（這一個是精確的：enwiktionary-20151002-pages-articles-multistream.xml.bz2 - 這應該包含所有英文維基詞典的文章）。我想要的是通過標題獲取特定文章的內容（與在維基百科中搜索它的方式相同）。

注：我不想要HTML（由維基百科產生）。我想要「真實」的內容，就像你在維基百科中「編輯」任何文章時看到的一樣。

幾句話：

• 搜索的標題，例如文章「書」
• 獲取內容

我應該如何着手呢？

---

P.S.我不是在尋找一種語言特定的解決方案。我只需要一些關於如何處理這個問題的想法。

Answer 1

如果你只後的信息的短位的時候，你可以使用維基百科的JSON API ... https://en.wikipedia.org/w/api.php?format=json&action=query&prop=extracts&exintro=&explaintext=&titles=book

如果你想要完整的文章，那麼我相信你可以使用這個： https://en.wikipedia.org/w/api.php?format=json&action=query&prop=extracts&explaintext=&titles=book

這兩個來源的區別在於，第一個我們設置了'exintro'，第二個鏈接我們設置了'exsertintext'。這些部分使用「\ n \ n \ n ===」和「=== \ n」分開。有了這些信息，您可以挑出一個部分的結尾，並找到一個新部分的開始部分以及部分名稱。

欲瞭解更多信息，請https://en.wikipedia.org/w/api.php?action=help&modules=query%2Bextracts

抱歉，這不是XML。