Есть ли чистый API Википедии только для получения резюме контента?

есть на самом деле очень приятно prop под названием выдержки это может быть использовано с запросами, разработанными специально для этой цели. Экстракты позволяют получить выдержки из статьи (усеченный текст статьи). Существует параметр под названием exintro Это можно использовать для получить текст в нулевой секции (никаких дополнительных ресурсов, таких как изображения или информационные буксы). Вы также можете извлекать экстракты с более тонкой детализацией, например, с помощью определенное количество символов ( exchars) или на определенное количество предложений(exsentences)

здесь образец запроса http://en.wikipedia.org/w/api.php?action=query&prop=extracts&format=json&exintro=&titles=Stack%20Overflow а то API sandbox http://en.wikipedia.org/wiki/Special:ApiSandbox#action=query&prop=extracts&format=json&exintro=&titles=Stack%20Overflow поэкспериментировать подробнее с этим запросом.

обратите внимание, что если вы хотите, чтобы первый абзац конкретно вам все еще нужно сделать некоторые дополнительные разбор, как это предлагается в выбранном ответе. Разница здесь заключается в том, что ответ, возвращаемый этим запросом, короче, чем некоторые другие предлагаемые запросы api, потому что у вас нет дополнительных ресурсов, таких как изображения в ответе api на синтаксический анализ.

этот код позволяет получить содержимое первого абзаца страницы в простой текст.

части этого ответа исходят от здесь и так здесь. Смотрите документация MediaWiki API для получения дополнительной информации.

// 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&section=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.
}

Да, есть. Например, если вы хотите получить содержание первого раздела статьи Переполнение Стека, используйте такой запрос:

http://en.wikipedia.org/w/api.php?format=xml&action=query&prop=revisions&titles=Stack%20Overflow&rvprop=content&rvsection=0&rvparse

части означают это:

• format=xml: возвращает форматирование результатов в формате XML. Другие варианты (как JSON) доступны. Этот не влияет на формат самого содержимого страницы, только на формат вложенных данных.

• action=query&prop=revisions: получение информации о редакциях страницы. Поскольку мы не указываем, какая ревизия, используется последняя.

• titles=Stack%20Overflow: получать информацию о странице Stack Overflow. Можно получить текст нескольких страниц за один раз, если вы разделите их имена на |.

• rvprop=content: возврат содержимого (или текст) редакции.

• rvsection=0: возврат только содержимого из раздела 0.

• rvparse: возвращает содержимое, проанализированное как HTML.

имейте в виду, что это возвращает весь первый раздел, включая такие вещи, как hatnotes ("для других целей..."), infoboxes или изображения.

есть несколько библиотек для различных языков, которые делают работу с API проще, это может быть лучше для вас, если вы использовали один из них.

С 2017 года Википедия предоставляет REST API С лучшего кэширования. В документация вы можете найти следующий API, который идеально подходит для вашего случая использования. (как это используется новым Страница Превью функция)

https://en.wikipedia.org/api/rest_v1/page/summary/Stack_Overflow возвращает следующие данные, которые могут быть использованы для отображения лета с небольшой миниатюрой:

{
  "title": "Stack Overflow",
  "displaytitle": "Stack Overflow",
  "pageid": 21721040,
  "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. It was created to be a more open alternative to earlier question and answer sites such as Experts-Exchange. [...]",
  "extract_html": "<p><b>Stack Overflow</b> is a privately held website, the flagship site of the Stack Exchange Network, created in 2008 by Jeff Atwood and Joel Spolsky. It was created to be a more open alternative to earlier question and answer sites such as Experts-Exchange. [...]",
  "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",
  "timestamp": "2018-01-30T09:21:21Z",
  "description": "website hosting questions and answers on a wide range of topics in computer programming"
}

по умолчанию он выполняет переадресацию (так что /api/rest_v1/page/summary/StackOverflow также работает), но это можно отключить с помощью ?redirect=false

Если вам нужно получить доступ к API из другого домена, вы можете установить заголовок CORS с помощью &origin= (например,&origin=*)

Это код, который я использую прямо сейчас для веб-сайта, который я делаю, который должен получить ведущие абзацы / резюме / раздел 0 из статей Википедии, и все это делается в браузере (javascript на стороне клиента) благодаря магии JSONP! --> http://jsfiddle.net/gautamadude/HMJJg/1/

он использует API Википедии, чтобы получить ведущие абзацы (называемые разделом 0) в HTML, например: http://en.wikipedia.org/w/api.php?format=json&action=parse&page=Stack_Overflow&prop=text&section=0&callback=?

затем он удаляет HTML и другие нежелательные данные, давая вам чистую строку резюме статьи, если вы хотите, вы можете, с небольшой настройкой, получить тег html "p" вокруг ведущих абзацев, но прямо сейчас между ними есть только символ новой строки.

код:

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&section=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
    }
});

этот url-адрес возвращает сводку в формате xml.

http://lookup.dbpedia.org/api/search.asmx/KeywordSearch?QueryString=Agra&MaxHits=1

Я создал функцию для извлечения описания ключевого слова из Википедии.

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');

вы также можете получить контент, такой как первый pagagraph через DBPedia который принимает содержимое Википедии и создает из него структурированную информацию (RDF) и делает ее доступной через API. API DBPedia-это SPARQL (основанный на RDF), но он выводит JSON, и его довольно легко обернуть.

в качестве примера вот супер простая библиотека JS с именем WikipediaJS, которая может извлекать структурированный контент, включая сводный первый абзац: http://okfnlabs.org/wikipediajs/

вы можете прочитать больше об этом в этом блоге: http://okfnlabs.org/blog/2012/09/10/wikipediajs-a-javascript-library-for-accessing-wikipedia-article-information.html

код библиотеки JS можно найти здесь:https://github.com/okfn/wikipediajs/blob/master/wikipedia.js

на abstract.xml.gz свалка звучит, как вы хотите.

мой подход был следующим (в PHP):

$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 возможно, потребуется дополнительная очистка, но это в основном все.

я попробовал решение @Michael Rapadas и @Krinkle, но в моем случае мне было трудно найти некоторые статьи в зависимости от капитализации. Как здесь:

https://en.wikipedia.org/w/api.php?format=json&action=query&prop=extracts&exintro=&exsentences=1&explaintext=&titles=Led%20zeppelin

Примечание я усек ответ с exsentences=1

по-видимому, "нормализация названия" не работала правильно:

название нормализация преобразует заголовки страниц в их каноническую форму. Этот означает заглавную букву первого символа, заменяя подчеркивания на пространства и изменение пространства имен в локализованную форму, определенную для этого вики. Нормализация заголовка выполняется автоматически, независимо от того, используются модули запросов. Однако любые конечные разрывы строк на странице заголовки (\n) вызовут странное поведение, и они должны быть удалены первый.

Я знаю, что мог бы разобраться вопрос капитализации легко, но было также неудобство того, чтобы привести объект к массиву.

поэтому, потому что я просто очень хотел, чтобы самый первый абзац хорошо известного и определенного поиска (без риска получить информацию из других статей) я сделал это так:

https://en.wikipedia.org/w/api.php?action=opensearch&search=led%20zeppelin&limit=1&format=json

Примечание в этом случае я сделал усечение с limit=1

таким образом:

1. я очень легко могу получить доступ к данным ответом.
2. ответ довольно мал.

но мы должны быть осторожны с капитализацией наш поиск.

дополнительная информация:https://www.mediawiki.org/wiki/API:Opensearch

Если вы просто ищете текст, который вы можете разделить, но не хотите использовать API, посмотрите en.wikipedia.org/w/index.php?title=Elephant&action=raw