wikipedia-api - 如何获取维基百科页面中的所有 URL

Question

似乎维基百科 API 对链接的定义与 URL 不同？我正在尝试使用 API 返回特定 wiki 页面中的所有 url。

我一直在玩this query我从 this page 找到的在生成器和重定向下。

Answer 1

我不确定您究竟为什么会感到困惑(如果您对此进行解释会有所帮助)，但我很确定该查询不是您想要的。它列出了从页面“标题”( prop=links )链接( generator=links )的页面上的链接( titles=Title )。它还只列出第一页链接上的第一页链接(页面大小默认值为 10)。

如果您想获取页面“标题”上的所有链接:

仅使用 prop=links ，你不想要发电机。

通过添加 pllimit=max 将限制增加到最大可能( pl 是 links 的“前缀”)

使用 query-continue 中给出的值元素以进入第二页(及后续)结果页。

因此，第一页的查询将是:

http://en.wikipedia.org/w/api.php?action=query&titles=Title&prop=links&pllimit=max

第二页(在本例中是最后一页):

http://en.wikipedia.org/w/api.php?action=query&titles=Title&prop=links&pllimit=max&plcontinue=226160|0|Lieutenant_General

另一件可能会让您感到困惑的事情是 links仅返回内部链接(到其他维基百科页面)。要获取外部链接，请使用 prop=extlinks .您还可以将两者合并为一个查询:

http://en.wikipedia.org/w/api.php?action=query&titles=Title&prop=links|extlinks