Есть ли способ получить доступ к миниатюрному изображению любой страницы wikipedia с помощью API? Я имею в виду изображение в верхней правой части окна. Существуют ли для этого API-интерфейсы?
Доступ к основному изображению страницы wikipedia по API
Ответ 1
http://en.wikipedia.org/w/api.php
Посмотрите prop=images
.
Он возвращает массив имен файлов изображений, которые используются на анализируемой странице. Затем у вас есть возможность сделать другой вызов API, чтобы узнать полный URL-адрес изображения, например:
action=query&titles=Image:INSERT_EXAMPLE_FILE_NAME_HERE.jpg&prop=imageinfo&iiprop=url
или вычислить URL-адрес с помощью хеша имени файла.
К сожалению, в то время как массив изображений, возвращаемых prop=images
, находится в том порядке, в котором они находятся на странице, первое не может быть гарантировано изображением в информационном окне, потому что иногда страница будет включать изображение перед infobox (большинство значков времени для метаданных о странице: например, "эта статья заблокирована" ).
Поиск массива изображений для первого изображения, включающего название страницы, вероятно, является лучшим предположением для изображения инфобокса.
Ответ 2
Вы можете получить миниатюру любой страницы wikipedia, используя prop=pageimages
. Например:
http://en.wikipedia.org/w/api.php?action=query&titles=Al-Farabi&prop=pageimages&format=json&pithumbsize=100
И вы получите полный URL эскиза.
Ответ 3
Это хороший способ получить основное изображение страницы в wikipedia
Ответ 4
Способ 1: вы можете попробовать следующий запрос:
http://en.wikipedia.org/w/api.php?action=opensearch&limit=5&format=xml&search=italy&namespace=0
в ответе вы можете увидеть тег Image
.
<Item>
<Text xml:space="preserve">Italy national rugby union team</Text>
<Description xml:space="preserve">
The Italy national rugby union team represent the nation of Italy in the sport of rugby union.
</Description>
<Url xml:space="preserve">
http://en.wikipedia.org/wiki/Italy_national_rugby_union_team
</Url>
<Image source="http://upload.wikimedia.org/wikipedia/en/thumb/4/46/Italy_rugby.png/43px-Italy_rugby.png" width="43" height="50"/>
</Item>
Способ 2: использовать запрос http://en.wikipedia.org/w/index.php?action=render&title=italy
тогда вы можете получить необработанный html-код, вы можете получить изображение, использующее что-то вроде PHP Simple HTML DOM Parser
http://simplehtmldom.sourceforge.net
У меня нет времени написать это вам. просто дайте вам несколько советов, спасибо.
Ответ 5
Прошу прощения за то, что я не ответил на ваш вопрос об основном изображении. Но вот какой-то код, чтобы получить список всех изображений:
function makeCall($url) {
$curl = curl_init();
curl_setopt($curl, CURLOPT_URL, $url);
curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
return curl_exec($curl);
}
function wikipediaImageUrls($url) {
$imageUrls = array();
$pathComponents = explode('/', parse_url($url, PHP_URL_PATH));
$pageTitle = array_pop($pathComponents);
$imagesQuery = "http://en.wikipedia.org/w/api.php?action=query&titles={$pageTitle}&prop=images&format=json";
$jsonResponse = makeCall($imagesQuery);
$response = json_decode($jsonResponse, true);
$imagesKey = key($response['query']['pages']);
foreach($response['query']['pages'][$imagesKey]['images'] as $imageArray) {
if($imageArray['title'] != 'File:Commons-logo.svg' && $imageArray['title'] != 'File:P vip.svg') {
$title = str_replace('File:', '', $imageArray['title']);
$title = str_replace(' ', '_', $title);
$imageUrlQuery = "http://en.wikipedia.org/w/api.php?action=query&titles=Image:{$title}&prop=imageinfo&iiprop=url&format=json";
$jsonUrlQuery = makeCall($imageUrlQuery);
$urlResponse = json_decode($jsonUrlQuery, true);
$imageKey = key($urlResponse['query']['pages']);
$imageUrls[] = $urlResponse['query']['pages'][$imageKey]['imageinfo'][0]['url'];
}
}
return $imageUrls;
}
print_r(wikipediaImageUrls('http://en.wikipedia.org/wiki/Saturn_%28mythology%29'));
print_r(wikipediaImageUrls('http://en.wikipedia.org/wiki/Hans-Ulrich_Rudel'));
Я получил это для http://en.wikipedia.org/wiki/Saturn_%28mythology%29:
Array
(
[0] => http://upload.wikimedia.org/wikipedia/commons/1/10/Arch_of_SeptimiusSeverus.jpg
[1] => http://upload.wikimedia.org/wikipedia/commons/8/81/Ivan_Akimov_Saturn_.jpg
[2] => http://upload.wikimedia.org/wikipedia/commons/d/d7/Lucius_Appuleius_Saturninus.jpg
[3] => http://upload.wikimedia.org/wikipedia/commons/2/2c/Polidoro_da_Caravaggio_-_Saturnus-thumb.jpg
[4] => http://upload.wikimedia.org/wikipedia/commons/b/bd/Porta_Maggiore_Alatri.jpg
[5] => http://upload.wikimedia.org/wikipedia/commons/6/6a/She-wolf_suckles_Romulus_and_Remus.jpg
[6] => http://upload.wikimedia.org/wikipedia/commons/4/45/Throne_of_Saturn_Louvre_Ma1662.jpg
)
И для второго URL (http://en.wikipedia.org/wiki/Hans-Ulrich_Rudel):
Array
(
[0] => http://upload.wikimedia.org/wikipedia/commons/e/e9/BmRKEL.jpg
[1] => http://upload.wikimedia.org/wikipedia/commons/3/3f/BmRKELS.jpg
[2] => http://upload.wikimedia.org/wikipedia/commons/2/2c/Bundesarchiv_Bild_101I-655-5976-04%2C_Russland%2C_Sturzkampfbomber_Junkers_Ju_87_G.jpg
[3] => http://upload.wikimedia.org/wikipedia/commons/6/62/Bundeswehr_Kreuz_Black.svg
[4] => http://upload.wikimedia.org/wikipedia/commons/9/99/Flag_of_German_Reich_%281935%E2%80%931945%29.svg
[5] => http://upload.wikimedia.org/wikipedia/en/6/64/HansUlrichRudel.jpeg
[6] => http://upload.wikimedia.org/wikipedia/commons/8/82/Heinkel_He_111_during_the_Battle_of_Britain.jpg
[7] => http://upload.wikimedia.org/wikipedia/commons/6/66/Regulation_WW_II_Underwing_Balkenkreuz.png
)
Обратите внимание, что URL-адрес немного изменился на 6-й элемент второго массива. Это то, о чем @JosephJaber предупреждал в своем комментарии выше.
Надеюсь, это поможет кому-то.
Ответ 6
Я написал код, который получает основное изображение (полный URL) по названию статьи в Википедии. Это не идеально, но в целом я очень доволен результатами.
Проблема заключалась в том, что при запросе на определенный заголовок Wikipedia возвращает несколько имен файлов изображений (без пути). Кроме того, вторичный поиск (я использовал код varatis, размещенный в этом потоке - спасибо!) Возвращает URL-адреса всех изображений, найденных на основе поиска файла изображения, который был просмотрен, независимо от исходного названия статьи. После всего этого мы можем получить общий образ, не имеющий отношения к поиску, поэтому мы отфильтровываем его. Код выполняет итерации по именам файлов и URL-адресам, пока не найдет (надеюсь, лучшее) совпадение... немного сложнее, но работает:)
Примечание по общему фильтру: я составлял список родовых строк изображения для функции isGeneric(), но список просто продолжает расти. Я рассматриваю его как публичный список - если есть интерес, дайте мне знать.
Pre:
protected static $baseurl = "http://en.wikipedia.org/w/api.php";
Основная функция - получить URL-адрес изображения из заголовка:
public static function getImageURL($title)
{
$images = self::getImageFilenameObj($title); // returns JSON object
if (!$images) return '';
foreach ($images as $image)
{
// get object of image URL for given filename
$imgjson = self::getFileURLObj($image->title);
// return first image match
foreach ($imgjson as $img)
{
// get URL for image
$url = $img->imageinfo[0]->url;
// no image found
if (!$url) continue;
// filter generic images
if (self::isGeneric($url)) continue;
// match found
return $url;
}
}
// match not found
return '';
}
== Следующие функции вызывается основной функцией выше ==
Получить объект JSON (имена файлов) по названию:
public static function getImageFilenameObj($title)
{
try // see if page has images
{
// get image file name
$json = json_decode(
self::retrieveInfo(
self::$baseurl . '?action=query&titles=' .
urlencode($title) . '&prop=images&format=json'
))->query->pages;
/** The foreach is only to get around
* the fact that we don't have the id.
*/
foreach ($json as $id) { return $id->images; }
}
catch(exception $e) // no images
{
return NULL;
}
}
Получить объект JSON (URL) по имени файла:
public static function getFileURLObj($filename)
{
try // resolve URL from filename
{
return json_decode(
self::retrieveInfo(
self::$baseurl . '?action=query&titles=' .
urlencode($filename) . '&prop=imageinfo&iiprop=url&format=json'
))->query->pages;
}
catch(exception $e) // no URLs
{
return NULL;
}
}
Отфильтровать общие изображения:
public static function isGeneric($url)
{
$generic_strings = array(
'_gray.svg',
'icon',
'Commons-logo.svg',
'Ambox',
'Text_document_with_red_question_mark.svg',
'Question_book-new.svg',
'Canadese_kano',
'Wiki_letter_',
'Edit-clear.svg',
'WPanthroponymy',
'Compass_rose_pale',
'Us-actor.svg',
'voting_box',
'Crystal_',
'transportation_inv',
'arrow.svg',
'Quill_and_ink-US.svg',
'Decrease2.svg',
'Rating-',
'template',
'Nuvola_apps_',
'Mergefrom.svg',
'Portal-',
'Translation_to_',
'/School.svg',
'arrow',
'Symbol_',
'stub',
'Unbalanced_scales.svg',
'-logo.',
'P_vip.svg',
'Books-aj.svg_aj_ashton_01.svg',
'Film',
'/Gnome-',
'cap.svg',
'Missing',
'silhouette',
'Star_empty.svg',
'Music_film_clapperboard.svg',
'IPA_Unicode',
'symbol',
'_highlighting_',
'pictogram',
'Red_pog.svg',
'_medal_with_cup',
'_balloon',
'Feature',
'Aiga_'
);
foreach ($generic_strings as $str)
{
if (stripos($url, $str) !== false) return true;
}
return false;
}
Комментарии приветствуются.
Ответ 7
У меня есть способ надежно получить основное изображение для страницы википедии - расширение, называемое PageImages
Расширение PageImages собирает информацию об изображениях, используемых на странице.
Его цель - вернуть единственную наиболее подходящую миниатюру со статьей, пытаясь вернуть только осмысленные изображения, например. не те из шаблонов обслуживания, заглушек или значков флагов. В настоящее время использует первое бессмысленное изображение, используемое на странице.
https://www.mediawiki.org/wiki/Extension:PageImages
Просто добавьте URL-адрес профайла в ваш запрос API:
/w/api.php?action=query&prop=pageimages&titles=Somepage&format=xml
Это надежно отфильтровывает раздражающие изображения по умолчанию и не позволяет вам фильтровать их самостоятельно! Расширение установлено на всех основных страницах википедии...
Ответ 8
Ознакомьтесь с примером API MediaWiki для получения основного изображения страницы wikipedia: https://www.mediawiki.org/wiki/API:Page_info_in_search_results.
Как уже упоминалось, вы использовали бы prop=pageimages
в своем запросе API.
Если вам также требуется описание изображения, вы бы использовали prop=pageimages|pageterms
вместо этого в своем запросе API.
Вы можете получить исходное изображение с помощью piprop=original
. Или вы можете получить уменьшенное изображение с указанной шириной/высотой. Для миниатюры с шириной/высотой = 600, piprop=thumbnail&pithumbsize=600
. Если вы также опустите, изображение, возвращенное в обратном вызове API, по умолчанию будет иметь миниатюру с шириной/высотой 50 пикселей.
Если вы запрашиваете результаты в формате JSON, вы всегда должны использовать formatversion=2
в своем запросе API (т.е. format=json&formatversion=2
), потому что это облегчает извлечение изображения из запроса.
Изображение оригинала:
https://en.wikipedia.org/w/api.php?action=query&format=json&formatversion=2&prop=pageimages|pageterms&piprop=original&titles=Albert Einstein
Размер эскиза (ширина/высота 600 пикселей) Изображение:
https://en.wikipedia.org/w/api.php?action=query&format=json&formatversion=2&prop=pageimages|pageterms&piprop=thumbnail&pithumbsize=600&titles=Albert Einstein
Ответ 9
См. этот связанный вопрос по API для Википедии. Тем не менее, я не знаю, можно ли получить изображение миниатюр через API.
Вы также можете рассмотреть только синтаксический анализ веб-страницы, чтобы найти URL-адрес изображения и получить изображение таким образом.
Ответ 10
Давайте возьмем Пример страницы http://en.wikipedia.org/wiki/index.html?curid=57570 для получения основного изображения
Отъезд
проп = pageprops
действие = запрос & pageids = 57570 & проп = pageprops & формат = JSON
Данные о данных результатов, например.
{ "pages" : { "57570":{
"pageid":57570,
"ns":0,
"title":"Sachin Tendulkar",
"pageprops" : {
"defaultsort":"Tendulkar,Sachin",
"page_image":"Sachin_at_Castrol_Golden_Spanner_Awards_(crop).jpg",
"wikibase_item":"Q9488"
}
}
}
}}
Ответ 11
Вот мой список XPaths, на котором я нашел работу для 95 процентов статей. основные из них: 1, 2 3 и 4. Многие статьи не отформатированы правильно, и это будут случаи кросс:
Вы можете использовать библиотеку разбора DOM для извлечения изображения с помощью XPath.
static NSString *kWikipediaImageXPath2 = @"//*[@id=\"mw-content-text\"]/div[1]/div/table/tr[2]/td/a/img";
static NSString *kWikipediaImageXPath3 = @"//*[@id=\"mw-content-text\"]/div[1]/table/tr[1]/td/a/img";
static NSString *kWikipediaImageXPath1 = @"//*[@id=\"mw-content-text\"]/div[1]/table/tr[2]/td/a/img";
static NSString *kWikipediaImageXPath4 = @"//*[@id=\"mw-content-text\"]/div[2]/table/tr[2]/td/a/img";
static NSString *kWikipediaImageXPath5 = @"//*[@id=\"mw-content-text\"]/div[1]/table/tr[2]/td/p/a/img";
static NSString *kWikipediaImageXPath6 = @"//*[@id=\"mw-content-text\"]/div[1]/table/tr[2]/td/div/div/a/img";
static NSString *kWikipediaImageXPath7 = @"//*[@id=\"mw-content-text\"]/div[1]/table/tr[1]/td/div/div/a/img";
Я использовал обертку ObjC под названием Hpple вокруг libxml2.2, чтобы вытащить URL-адрес изображения. Надеюсь, что это поможет
Ответ 12
Я думаю, что нет, но вы можете захватить изображение, используя HTML-документы парсера ссылок
Ответ 13
Как упоминал Анурайдж, параметр pageimages - это. Посмотрите на следующий URL-адрес, который принесет некоторые полезные вещи:
https://en.wikipedia.org/w/api.php?action=query&prop=info|extracts|pageimages|images&inprop=url&exsentences=1&titles=india
Есть несколько интересных параметров:
- Два экстракта и экстенты параметров дают вам короткий описание вы можете использовать. (exsentences - количество предложений, которые вы хотите включить в выдержку)
- Параметры info и inprop = url дают URL-адрес страницы
- Свойство prop имеет несколько параметров, разделенных символом штриха
- И если вы вставляете туда формат = json, это даже лучше