从MediaWiki安装导出文本（MediaWiki标记）

Question

我想从本地MediaWiki安装中导出大量文章（但不是all articles）的MediaWiki标记。我只想要当前的文章标记，而不是历史或其他任何内容，每篇文章都有一个单独的文本文件。我想以编程方式和理想情况在MediaWiki服务器上执行此导出，而不是远程执行。

例如，如果我对Apple，Banana和Cupcake的文章感兴趣，我希望能够：

article_list = ["Apple", "Banana", "Cupcake"]
for a in article_list:
    get_article(a, a + ".txt")

我的意图是：

• 提取所需文章
• 将MediaWiki标记存储在单个文本文件中
• 在单独的程序中解析和处理

MediaWiki已经可以实现这一点吗？看起来不像。它还doesn't look like Pywikipediabot has such a script。

后备将是能够手动执行此操作（使用“导出特殊页面”）并轻松地将输出解析为文本文件。有现成的工具吗？是否有MediaWiki XML转储格式的描述？ （我找不到一个。）

Answer 1

在服务器端，您只需从数据库导出即可。远程地，Pywikipediabot有一个名为get.py的脚本，它获取给定文章的wikicode。手动操作也很简单，不管怎么样（从内存写入，可能会发生错误）：

import wikipedia as pywikibot
site = pywikibot.getSite() # assumes you have a user-config.py with default site/user
article_list = ["Apple", "Banana", "Cupcake"]
for title in article_list:
    page = pywikibot.Page(title, site)
    text = page.get() # handling of not found etc. exceptions omitted
    file = open(title + ".txt", "wt")
    file.write(text)

由于MediaWiki的语言定义不明确，解析/处理它的唯一可靠方法是通过MediaWiki本身;在Pywikipediabot中没有对此的支持，并且尝试使用复杂模板的少数工具失败了。

Answer 2

看起来getText.php是内置的服务器端维护脚本，用于导出特定文章的wiki文本。 （比查询数据库更容易。）

通过Publishing from MediaWiki找到它，涵盖从MediaWiki导出的所有角度。