维基百科文章的第一句和Java

Question

我必须找到> 200个单词的定义。我想使用维基百科为了从列表中搜索带有给定单词的intlated文章，然后提取其定义的原始文本（文章的第一句）。事实上，在我的项目中，我有一个包含单词（simlpe和composated）的Jlist。我想为每个词找到一个使用维基百科的定义（我选择这个百科全书是因为这些词是从一个专门的语料库中提取的）。我的问题是：如何从维基百科转储中检索定义？我发现JWPL，但没有找到帮助我使用它的例子。另一个问题是：如果维基百科离线（使用WikiTaxi），如何使用Java从它提取定义？

谢谢。

Answer 1

维基百科是创意共同许可（见他们terms of use什么是允许的）

维基百科目前已经有一个API，这很可能是你的目的，而不是开发自己的更好。有关API here的更多信息。

另一件值得考虑的事情是，如果你想定义，也许你会更好使用wiktionary？ Wiktionary also has their own API

下面是一个例子API调用来获取维基文本上的“堆栈溢出”

http://en.wikipedia.org/w/api.php?action=query&prop=revisions&titles=stack_overflow&rvprop=content

下面是一个例子查询维基返回单词“栈”：

http://en.wiktionary.org/w/api.php?action=query&prop=revisions&titles=stack&rvprop=content

你可能仍然需要解析输出，但它会得到你想要的...

如果你想做一个快速和肮脏的屏幕刮，他们的网址是相当容易构建。 URL基本上是http://en.wikipedia.org/wiki/ +一个消毒字（例如空格替换为_等）

当场制作的示例url将是http://en.wikipedia.org/wiki/Stack_overflow，它将直接带您访问wikipedia上的Stack Overflow条目。

维基百科的正文内容始于此评论<!-- bodycontent -->，并且包含在与此ID相同的div中：mw-content-ltr您可能会在寻找第一个<p>标记。