我只需要检索维基百科页面的第一段。 内容必须是html格式化，随时可以在我的网站上显示（所以没有BBCODE或WIKIPEDIA特殊代码！）
答案 0 :(得分：180)
有一种方法可以在没有任何html解析的情况下获得整个“介绍部分”！类似于AnthonyS的answer以及额外的explaintext参数，您可以以纯文本格式获取介绍部分文本。
以纯文本格式获取Stack Overflow的介绍：
（警告被删除）
{
"query": {
"pages": {
"21721040": {
"pageid": 21721040,
"ns": 0,
"title": "Stack Overflow",
"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, as a more open alternative to earlier Q&A sites such as Experts Exchange. The name for the website was chosen by voting in April 2008 by readers of Coding Horror, Atwood's popular programming blog.\nIt features questions and answers on a wide range of topics in computer programming. The website serves as a platform for users to ask and answer questions, and, through membership and active participation, to vote questions and answers up or down and edit questions and answers in a fashion similar to a wiki or Digg. Users of Stack Overflow can earn reputation points and \"badges\"; for example, a person is awarded 10 reputation points for receiving an \"up\" vote on an answer given to a question, and can receive badges for their valued contributions, which represents a kind of gamification of the traditional Q&A site or forum. All user-generated content is licensed under a Creative Commons Attribute-ShareAlike license. Questions are closed in order to allow low quality questions to improve. Jeff Atwood stated in 2010 that duplicate questions are not seen as a problem but rather they constitute an advantage if such additional questions drive extra traffic to the site by multiplying relevant keyword hits in search engines.\nAs of April 2014, Stack Overflow has over 2,700,000 registered users and more than 7,100,000 questions. Based on the type of tags assigned to questions, the top eight most discussed topics on the site are: Java, JavaScript, C#, PHP, Android, jQuery, Python and HTML."
}
}
}
}
修改：根据评论中的建议添加了&redirects=1。
答案 1 :(得分：73)
实际上有一个非常好的 prop ，名为 extracts ，可以用于专门为此目的设计的查询。提取允许您获取文章摘录（截断的文章文本）。有一个名为 exintro 的参数可用于检索第0部分中的文本（没有其他资源，如图像或信息框）。您还可以检索更精细的提取，例如一定数量的字符（ exchars ）或一定数量的句子（ exsentences ）
以下是示例查询 http://en.wikipedia.org/w/api.php?action=query&prop=extracts&format=json&exintro=&titles=Stack%20Overflow 和 API沙箱 http://en.wikipedia.org/wiki/Special:ApiSandbox#action=query&prop=extracts&format=json&exintro=&titles=Stack%20Overflow可以更多地了解此查询。
请注意，如果你想要第一段特别的话，你还需要按照所选答案中的建议进行一些额外的解析。这里的区别在于此查询返回的响应比建议的其他一些api查询要短，因为您在api响应中没有其他资产，例如图像。
答案 2 :(得分：43)
自2017年以来，维基百科提供了REST API更好的缓存。 在the documentation中，您可以找到以下适合您的用例的API。 （因为它被新的Page Previews功能使用）
https://en.wikipedia.org/api/rest_v1/page/summary/Stack_Overflow
返回以下数据，可用于显示带有小缩略图的夏季：
{
"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"
}
默认情况下，它遵循重定向（以便/api/rest_v1/page/summary/StackOverflow也有效），但可以使用?redirect=false
如果您需要从其他域访问API，可以使用&origin=设置CORS标头（例如&origin=*）
答案 3 :(得分：39)
此代码允许您以纯文本格式检索页面第一段的内容。
此答案的部分内容来自here，因此here。有关详细信息，请参阅MediaWiki API documentation。
// 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§ion=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.
}
答案 4 :(得分：30)
是的，有。例如，如果您想获取文章Stack Overflow第一部分的内容，请使用以下查询：
这些部分意味着：
format=xml：将结果格式化程序作为XML返回。其他选项（如JSON）可用。这不会影响页面内容本身的格式，只会影响封闭的数据格式。
action=query&prop=revisions：获取有关页面修订的信息。由于我们没有指定哪个版本，因此使用了最新版本。
titles=Stack%20Overflow：获取有关页面Stack Overflow的信息。如果您将其名称分隔为|，则可以一次性获取更多页面的文本。
rvprop=content：返回修订内容（或文字）。
rvsection=0：仅返回第0部分中的内容。
rvparse：返回解析为HTML的内容。
请记住，这会返回整个第一部分，包括帽子（“其他用途...”），信息框或图像等内容。
有多种库可用于各种语言，这使得使用API更容易，如果您使用其中一种，可能会更好。
答案 5 :(得分：15)
这是我正在使用的代码，我正在制作的网站需要获得关于维基百科文章的主要段落/摘要/第0部分，并且它都在浏览器内完成（客户端javascript）谢谢对JSONP的魔力！ - ＆GT; http://jsfiddle.net/gautamadude/HMJJg/1/
它使用Wikipedia API来获取HTML中的前导段落（称为第0部分），如下所示：http://en.wikipedia.org/w/api.php?format=json&action=parse&page=Stack_Overflow&prop=text§ion=0&callback=?
然后剥离HTML和其他不需要的数据，给你一个干净的文章摘要字符串，如果你想要，你可以通过一些调整，在前面的段落周围得到一个“p”html标签，但现在有只是他们之间的换行符。
代码：
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§ion=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
}
});
答案 6 :(得分：8)
此网址将以xml格式返回摘要。
http://lookup.dbpedia.org/api/search.asmx/KeywordSearch?QueryString=Agra&MaxHits=1
我创建了一个从维基百科中获取关键字描述的函数。
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');
答案 7 :(得分：5)
您还可以通过DBPedia获取第一个pagagraph等内容，其中包含Wikipedia内容并从中创建结构化信息（RDF），并通过API提供。 DBPedia API是一个SPARQL API（基于RDF），但它输出JSON并且很容易包装。
作为一个例子，这里有一个名为WikipediaJS的超级简单JS库，它可以提取结构化内容，包括摘要第一段：http://okfnlabs.org/wikipediajs/
您可以在此博文中了解更多相关信息：http://okfnlabs.org/blog/2012/09/10/wikipediajs-a-javascript-library-for-accessing-wikipedia-article-information.html
JS库代码可以在这里找到：https://github.com/okfn/wikipediajs/blob/master/wikipedia.js
答案 8 :(得分：2)
abstract.xml.gz dump听起来就像你想要的那样。
答案 9 :(得分：1)
我的方法如下（在PHP中）：
$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可能需要进一步清理，但基本上就是这样。
答案 10 :(得分：1)
我尝试了@Michael Rapadas和@Krinkle的解决方案，但在我的情况下，我很难根据大小写找到一些文章。像这里：
注意我用exsentences=1
显然“标题规范化”无法正常工作：
标题规范化将页面标题转换为其规范形式。这个 意味着大写第一个字符，用下标替换下划线 空格，并将名称空间更改为为其定义的本地化表单 维基。标题归一化是自动完成的，无论哪个 使用查询模块。但是，页面中的任何尾随行都会中断 标题（\ n）将导致奇怪的行为，它们应该被删除 第一
我知道我可以很容易地解决大小写问题，但也有不得不将对象转换为数组。
因为我真的想要一个众所周知的定义搜索的第一段（没有从另一篇文章中获取信息的风险）我这样做了：
https://en.wikipedia.org/w/api.php?action=opensearch&search=led%20zeppelin&limit=1&format=json
请注意，在这种情况下，我使用limit=1
这样：
但我们必须小心谨慎搜索我们的搜索。
答案 11 :(得分：0)
如果您只是在查找可以拆分但不想使用API的文本，请查看en.wikipedia.org/w/index.php?title=Elephant&action=raw < / p>