0

ウィキペディアからデータを取得するスクリプトに取り組んでいます。

よくある問題は、たとえばフェッチしたいことです。

ノース ストラドブローク島

しかし、取得している文字列は以下にあるため、がらくたを削除する必要があります

[[North Stradbroke Island]]'

現在のスクレイプ コードは次のとおりです。

    $curl_handle=curl_init();
curl_setopt($curl_handle,CURLOPT_URL,"http://en.wikipedia.org/wiki/Special:Export/" . $wiki['suburb'] . ",_" . $wiki['state'] . "");
curl_setopt($curl_handle,CURLOPT_TIMEOUT,10);
curl_setopt($curl_handle,CURLOPT_USERAGENT,'Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.13) Gecko/20080311 Firefox/2.0.0.13');
curl_setopt($curl_handle,CURLOPT_CONNECTTIMEOUT,10);
curl_setopt($curl_handle,CURLOPT_RETURNTRANSFER,1);
$xml = curl_exec($curl_handle);
curl_close($curl_handle);

$x = simplexml_load_string($xml);
$text   = $x->page->revision->text;

$arr = explode("| ", $text);

$wikipedia = array();
foreach($arr as $s){
    $pair   = preg_split('/= /', $s);
    $key    = substr($pair[0],0,strpos($pair[0]," "));
    switch($key){
        case "lga":
        case "pop":
        case "dist1":
            $wikipedia[$key] = substr($pair[1],0,-1);
            break;
        case "near-nw":
        case "near-n":
        case "near-ne":
        case "near-w":
        case "near-e":
        case "near-sw":
        case "near-s":
        case "near-se":
            $value = $pair[1];
            if($value != ""){
                $value =substr($pair[1],2,strpos($pair[1],",")-2);
            }
            $wikipedia[$key] = $value;
            break;
    }
}

私のページには次のものがあります：

    <?
    $wiki['suburb'] = str_replace(" ", "_", $r['suburb']);
    $wiki['state'] = convertStateWiki($r['state']);
    include("/path-to-wiki-file/wiki.suburb.php");
    if ($wikipedia != NULL){
?>

結果をエコーする: ( example )

<a href="reviews/<?=strtolower($r['state']);?>/<?=strtolower(str_replace(" ", "-", $wikipedia['near-nw']));?>/"><?=$wikipedia['near-nw'];?></a>

つまり、基本的には、Wiki のエクスポート フィードを使用して郊外を取得します。その郊外は、次のようにウィキペディアに入力されている可能性があります。

[['郊外の名前]'] たとえば

上記を次のように返す必要があります: Some Suburb Name

ALPHA 以外のすべての文字を削除する必要があります。php で 100% ではありません。ただし、できるだけ多くのコードを提供したので、反対票を投じないでください。

返されたデータにアルファ文字以外が含まれないようにする必要があるだけです（スペースを許可する必要があります）

4

3 に答える 3

1

Wiki マークアップは、実際にはかなりよく文書化されています。

ただし、あなたの場合、単純trim($str, "[]'")にそれを行う必要があります:)

あなたの場合：

$wiki['suburb'] = str_replace(" ", "_", trim($r['suburb'], "[]'"));
于 2012-08-14T01:29:40.333 に答える
1

どうぞ：

<?php
$place = $wikipedia['near-nw'];
$place = trim($place, "[]'");
$href = str_replace(" ", "-", $place);
?>
<a href="reviews/<?=strtolower($r['state'] . "/" . $href);?>/"><?=$place;?></a>
于 2012-08-14T02:23:34.113 に答える
-1

「がらくたを削除する必要があります」そのがらくたはWikiマークアップと呼ばれ、機械で読み取り可能です。パーサーのリストは次のとおりです: http://www.mediawiki.org/wiki/Alternative_parsers

英数字以外の文字をすべて削除すると、大量の情報が失われることになります。マークアップを解析して、好きな形式で出力するだけです。

于 2012-08-14T01:22:09.287 に答える