从维基百科获取文章XML转储 - 通过标题

Question

我知道这个问题可能比它看起来更简单，但在阅读大量材料后，我感到非常困惑。因此，我已经下载了一个维基百科转储（这一个是精确的：enwiktionary-20151002-pages-articles-multistream.xml.bz2 - 这应该包含所有英文维基词典的文章）。我想要的是通过标题获取特定文章的内容（与在维基百科中搜索它的方式相同）。

注：我不想要HTML（由维基百科产生）。我想要“真实”的内容，就像你在维基百科中“编辑”任何文章时看到的一样。

几句话：

• 搜索的标题，例如文章“书”
• 获取内容

我应该如何着手呢？

---

P.S.我不是在寻找一种语言特定的解决方案。我只需要一些关于如何处理这个问题的想法。

Answer 1

如果你只后的信息的短位的时候，你可以使用维基百科的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，那么我相信你可以使用这个： https://en.wikipedia.org/w/api.php?format=json&action=query&prop=extracts&explaintext=&titles=book

这两个来源的区别在于，第一个我们设置了'exintro'，第二个链接我们设置了'exsertintext'。这些部分使用“\ n \ n \ n ===”和“=== \ n”分开。有了这些信息，您可以挑出一个部分的结尾，并找到一个新部分的开始部分以及部分名称。

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

抱歉，这不是XML。