如何通过页面id获取维基百科特定页面的所有链接（id）

Question

我正在尝试使用Wiki API构建查询，以id格式返回特定文章的所有内部链接。 我有某篇文章的pageId。例如，“Android（操作系统）”的id为12610483。在客户端中，我只需要使用id并稍后仅通过id获取所有信息。我的目标是从给定的文章id中找到所有内部链接（文章的ids）。不幸的是，我发现唯一可能的方法是获得由文章标题表示的链接：http://en.wikipedia.org/w/api.php?action=parse&format=json&pageid=12610483&prop=links是否有其他方法可以获取链接的ids而不仅仅是标题？

- Yonatan Levin

Answer 1

你需要做的是使用action=query&prop=links从pagelinks数据库表获取数据，而不是解析页面文本。

这仍然只会给你页面标题（因为链接可能导致不存在的页面，这意味着没有页面ID）。

但你可以通过将prop=links用作生成器来解决这个问题： http://en.wikipedia.org/w/api.php?action=query&format=json&pageids=12610483&generator=links&gpllimit=max 如果文章有很多链接（如你所建议的那样），你需要使用分页（请参见gplcontinue元素）。

- svick

---

@svick。这种方法只计算每个链接一次。我想知道是否有一种方法可以跟踪页面中每个链接的数量？例如，它不仅告诉给定页面链接到Android-x86，而且还告诉Android-x86在文章中使用了k次？这是否可能通过mediawiki API实现？谢谢。 - chepukha

@chepukha，该信息未存储在“pagelinks”表中（或至少不是直接存储在任何其他地方），因此您将找不到相应的API方法。您需要解析页面文本，无论是作为原始维基文本还是HTML格式。 - svick

@svick。我明白了，感谢您的确认。我有一个相关的问题在这里。如果您有任何见解，请告诉我。 - chepukha

Answer 2

我认为你需要使用PHP Simple HTML DOM解析器

你可以在这里找到它 http://simplehtmldom.sourceforge.net/

- Mohammed Dawod

---

1. 在这里使用HTML解析器绝对没有任何理由。
2. 这样做会如何帮助获取页面ID？

- svick