Wikipedia Mediawiki API从URL获取页面ID

我有一套完整的URL，如

http://en.wikipedia.org/wiki/Episkopi_Bay
http://en.wikipedia.org/wiki/Monte_Lauro
http://en.wikipedia.org/wiki/Lampedusa
http://en.wikipedia.org/wiki/Himera
http://en.wikipedia.org/wiki/Lago_Cecita
http://en.wikipedia.org/wiki/Aspromonte

我想找到这些URL的维基百科页面ID。我以前使用过Mediawiki API，但我不知道该怎么做

我尝试从URL中提取页面标题，方法是获取lastindexof（“/”）的子字符串和最后一个字符，然后查询API以获取pageid

http://en.wikipedia.org/wiki/Episkopi_Bay --> Episkopi_Bay
http://en.wikipedia.org/wiki/Monte_Lauro --> Monte_Lauro
http://en.wikipedia.org/wiki/Lampedusa -- > Lampedusa
http://en.wikipedia.org/wiki/Himera --> Himera
http://en.wikipedia.org/wiki/Lago_Cecita --> Lago_Cecita
http://en.wikipedia.org/wiki/Aspromonte --> Aspromonte

但问题是，我的一些链接可能是重定向的，因此子字符串可能并不总是页面的标题

---

TL；DR：如何从URL中找到wikipedia页面的pageid？

我不确定您所说的“页面id”是该页面的标识号（例如，英文wikipedia主页的15580374，可在左栏“页面信息”中找到）还是已解析重定向的页面的标准化标题。下面的答案将同时回答这两个问题

您可以使用API action=query，例如，您将在其中找到页面id（编号）的最小信息

您还可以管理更复杂的案例：标题规范化和/或重定向。标题规范化（首字母大写、下划线改为空格、各种unicode规范化iirc等）是现成的。对于重定向，您必须通过在URL中添加“&redirects”（注意，双重定向（=重定向的重定向）将不起作用，但不应该存在）。例如：

---

如果您需要更多信息，可以查看。

如果您只有URL，并且对wiki一无所知，则不能假定最后一个

/

后面的部分是页面标题，就像MediaWiki页面名称

/

一样。相反，您必须从查询siteinfo API开始，如下所示：

https://www.mediawiki.org/wiki/API:Siteinfo

在回复中，

query.general.server

和

query.general.articlepath

组合将提供url结构，而

query.general.script

将提供url结构。根据url的来源，您需要它们来解释名为

Foo/Bar

的文章的默认格式

//mywiki/scriptpath/index.php？title=Namespace:Foo/Bar

，以及短url格式

//mywiki/articlepath/Namespace:Foo/Bar

更糟糕的是，“项目名称”中的斜杠可以是名称的一部分，也可以是子页面的分隔符，具体取决于名称空间的设置

---

如果您知道手边wiki的url语法，@Seb35已经回答了您所有的问题。

使用

action=query

的API调用为您提供了文章的

pageid

：

https://xx.wikipedia.org/w/api.php?action=query&format=json&titles=searched_title

给出一个类似JSON的示例：

{
    "batchcomplete": "",
    "query": {
        "pages": {
            "xxxx": {
                "pageid": xxxx,
                "ns": 0,
                "title": "searched_title"
            }
        }
    }
}

---

您可以将&indexpageid添加到查询中

比如说

或者，如果您同时在寻找摘要，这里有一个更全面的示例链接：

---

然后，如果解析JSON，您将在query下看到一个名为pageID的属性，谢谢您的回答。这两种方法我都知道，但对我的事业毫无帮助。在你的两个答案中，我都需要一个页面标题。我没有网页标题，我只有网址。这就是问题所在。URL不能通过子字符串转换为页面标题。页面标题也可以包含非英语UTF8编码文本。它不一定存在于URL中，而是显示为一堆音译文本。因此，您必须首先按照您所说的提取子字符串，然后调用API以规范化标题并解析重定向（即使使用%-编码的标题，如），对于非拉丁字符，您必须将返回的字符串编码为UTF8（例如，对于法语单词“Café”，API返回“title”：“Caf\u00e9”，其中“é”是Unicode U+E9）。