Scott Tiger Tech Blog

Blog technologiczny firmy Scott Tiger S.A.

Archiwum dla Marzec 15th, 2017

Dane Wikipedii i ich przetwarzanie

Autor: Piotr Karpiuk o 15. marca 2017

API

Każda wersja językowa dowolnego projektu Wikimedia Foundation (w szczególności: polska Wikipedia) oferuje API. O ile nie chcemy modyfikować zawartości serwisu, nie musimy się martwić o zakładanie konta i tokeny — wystarczy odpowiednio skonstruować URL zapytania aby otrzymać interesujący JSON.

Poniżej prezentuję swoistą „księgę czarów” — listę ciekawszych wywołań API. Co sprytniejszy Czytelnik może sobie manipulować URLami aby dopasować je do swoich potrzeb, a po prawej stronie każdego wpisu jest link do dokumentacji użytego zaklęcia, gdzie można poznać inne parametry zapytania.

Artykuł hasłowy na różne sposoby
Wikikod artykułu hasłowego „Warszawa” doc
HTML artykułu hasłowego „Warszawa”
Bez arkuszy stylów, bocznego paska, kontrolki wyszukiwania itp.
doc
HTML artykułu hasłowego „Warszawa”
j.w., ale zachowana struktura dokumentu i dodane pewne informacje semantyczne; może być przydatne przy parsowaniu infoboksów
doc
HTML artykułu „Warszawa”, wersja mobilna doc
Wersja PDF artykułu hasłowego „Warszawa” doc
JSON artykułu hasłowego „Piotr Abelard”
oprócz klucza text z kodem HTML artykułu jest też categories, langlinks, title, pageid, links, templates, images, externallinks, sections itp.
doc
Ekstrakcja fragmentu artykułu
Najlepiej pasujący obrazek do hasła „Bydgoszcz” doc
Podsumowanie artykułu hasłowego „Warszawa”
jednowierszowy TXT, akapit TXT i HTML, zdjęcie, współrzędne GPS, data ostatniej modyfikacji
doc
Jednozdaniowe podsumowanie artykułu hasłowego „Warszawa” doc
Ograniczony do 175 znaków ekstrakt z artykułu hasłowego „Warszawa” doc
Powiązania
Linki z artykułu hasłowego „Albert Einstein” do innych haseł doc
Wszystkie przekierowania (aliasy) do hasła „Maria Skłodowska-Curie” doc
Tłumaczenia hasła „Warszawa” na inne języki doc
5 artykułów powiązanych (ang. related) z artykułem hasłowym „Warszawa” doc
100 haseł semantycznie podobnych (ang. similar) do hasła „Polska”
Inna technika, wykorzystuje ElasticSearch
doc
Podkategorie kategorii „Fizyka” doc
Hasła kategorii „Fizyka”
Aby wyciągnąć kolejnymi zapytaniami wszystkie wyniki, trzeba obsłużyć klucz continue w wynikowym JSONie
doc
Które strony mają linki do artykułu hasłowego „Warszawa” doc
Które artykuły hasłowe zawierają link do „blog.tiger.com.pl” doc
Do jakich obiektów z WikiData odwołuje się artykuł hasłowy „Warszawa” doc
Które artykuły hasłowe wykorzystują encję Q444 (Lech Wałęsa) portalu WikiData doc
Wyszukiwanie haseł
Wyszukiwanie artykułu hasłowego: „Einstein”
W tytule (domyślnie), w treści, rozmyte w tytule
doc
Wyszukiwanie prefiksowe artykułu hasłowego: „Alb” doc
Lista szybkich podpowiedzi dla łańcucha „Warsz”
generowana np. po wprowadzeniu kolejnej litery w polu wyszukiwania hasła
doc
Współrzędne GPS doc
Współrzędne GPS dla hasła „Warszawa” doc
Hasła obiektów w promieniu 10km od punktu o współrzędnych 52.2760,20.9679 doc
Statystyki doc
1000 najpopularniejszych haseł na plwiki w dniu 2017-07-11
Można rozróżnić wejścia mobilne/desktopowe
doc
Dla artykułu „Warszawa”: liczba odwiedzin z podziałem na miesiące w okresie od 2008-01-01 do 2016-12-31 doc
Liczba odwiedzin dla całej plwiki w dniu 2017-07-12 w godz. 06-10
Można z podziałem na miesiące, dni lub godziny
doc
Liczba urządzeń odwiedzających plwiki w dniu 2017-07-12 w godz. 06-10 doc
Statystyki odwiedzin artykułu hasłowego „Warszawa” codziennie przez ostatnich 60 dni doc
100 Najpopularniejszych hasłeł w poprzednim dniu doc
Liczba odwiedzin polskiej Wikipedii codziennie przez ostatnich 60 dni
Można też użyć metryki liczby unikalnych użytkowników
doc
Metadane
Zbiorcze podsumowanie metadanych wszystkich wersji językowych wszystkich projektów Wikimedia Foundation doc
Opis wszystkich przestrzeni nazw polskiej Wikipedii doc
Opis parametrów modułów i submodułów doc
Lista wszystkich możliwych nazw właściwości artykułów hasłowych doc
Inne
Ostatnie zmiany na plwiki doc
Lista pierwszych 500 kategorii
Aby wyciągnąć kolejnymi zapytaniami wszystkie kategorie, trzeba obsłużyć klucz continue w wynikowym JSONie
doc
Lista pierwszych 500 haseł zaczynających się prefiksem „Polska „ doc
j.w., ale dla każdego hasła dodatkowo wymienione są ewentualne prowadzące do niego przekierowania doc
Lista pierwszych 500 kategorii
Dla każdej informacja o liczbie podkategorii i artykułów hasłowych
doc
Lista wszystkich haseł ujednoznaczniających doc
Lista wszystkich haseł zabezpieczonych przed edycją doc
Lista 15 losowo wygenerowanych haseł doc
Lista 15 najnowszych zweryfikowanych haseł doc
Lista 15 niezweryfikowanych haseł doc

Czytaj więcej »

Tags: , , ,
Napisany w Bazy danych | Brak komentarzy »