راهنما:استخراج آمار از مدیاویکی - ویکی‌پدیا، دانشنامهٔ آزاد

دریافت اطلاعات از ویکی‌پدیا به دو روش مقدور است.

1. دریافت اطلاعات از دیتابیس که توسط اشتراک تول‌سرور یا دانلود دیتابیس ویکی‌پدیا مقدور است.
2. دریافت اطلاعات از نرم‌افزار مدیاویکی توسط API:Query که از طریق نوار نشانی (URL BAR) مرورگرها مقدور می‌باشد.

این راهنما برای استخراج اطلاعات به روش دوم طراحی شده‌است؛ برای استخراج آمار و اطلاعات به روش اول ویکی‌پدیا:استخراج آمار از دیتابیس تول سرور را مطالعه نمائید.

مقایسه ٔروش‌های استخراج آمار از طریق مدیاویکی یا دیتابیس به شرح زیر است.

تفاوت‌ها

• در روش مدیاویکی نیاز به هیچ نرم‌افزاری به جز مرورگر اینترنت (تمام مرورگرها پشتیبانی می‌کنند) نیست ولی در روش دیتابیس یا باید اشتراک تول‌سرور داشته باشید یا دیتابیس را بر روی کامپیوترتان ذخیره نمائید و به کمک نرم‌افزارهایی که می‌توانند دیتابیس اس‌کیوال را بخوانند در میان اطلاعات جستجو نمائید.
• روش مدیاویکی محدود هست و تعداد دستورها و آمارهایی که از سیستم گرفته می‌شوند محدود به تعداد و فرمان است (نمی توان هر آماری را در آن درخواست کرد) و روش دیتابیس این دو محدودیت را ندارد.
• روش مدیاویکی در ابزارهای اینترنتی مانند کدهای جاوااسکریپت یا کدهای پی‌اچ‌پی قابل استفاده هست ولی روش دیتابیس برای استفاده در این ابزارها باید حتما توسط اشتراک تول‌سرور پشتیبانی شود به این صورت که رباتی اطلاعات را از طریق تول‌سرور استخراج کند و به صورت صفحه xml یا html یا txt در اختیار ابزار اینترنتی بگذارد.(مانند ابزار ویکی‌پدیا:اشتباه‌یاب)
• کار کردن با روش مدیاویکی آسان و سریع‌تر است و چون نیاز به هیچ ابزاری نیست برای همه در دسترس و قابل استفاده هست.

تشابه

• هر دو روش در ربات‌هایی که بر روی ویکی‌ها فعال هستند قابل استفاده هستند.
• هر دو روش می توانند اطلاعات متعددی را در اختیار کاربر یا ربات بگذارند.

برای مشاهده دستورها و کتابخانه‌های API:Query به اینجا کنید.

• فهرست دستورها و پارامترها همراه با توضیح
• معرفی کتابخانه‌ها

در زیر تعدادی کوئری‌ را مشاهده می‌کنید که می توانید متن‌های زیر را بعد از http://fa.wikipedia.org/w/ کپی کنید (یا بر روی پیوندهای آبی کلیک کنید) تا آمار مورد نظرتان ارائه گردد.

۱-نمایش رده‌هایی که با یک عبارت خاص شروع می‌شوند

۲-نمایش صفحاتی که با یک عبارت خاص شروع می‌شوند

ترفند:برای دریافت موارد بیشتر می توانید عدد جلوی gaplimit را تغییر دهید این عدد تا ۵۰۰ مورد برای کاربر و ۵۰۰۰ مورد برای ربات ها قابل افزایش هست.

۳-نمایش صفحه‌های پیوند شده به یک آدرس اینترنتی

مثلاً example.com

تذکر:این کتابخانه حداکثر تا ۵۰۰ مورد را می تواند نمایش دهد برای موارد بیشتر باید از دیتابیس کوئری بگیرید.

۴-فهرست صفحه‌های محافظت شده

۵-رده‌های یک صفحه

۶-فهرست مدیران

۷-فهرست تغییرمسیرهای یک صفحه خاص

مثلا: ایران:

تذکر:این کتابخانه حداکثر تا ۵۰۰ مورد را می تواند نمایش دهد برای موارد بیشتر باید از دیتابیس کوئری بگیرید این کد بر روی ۵۰ مورد تنظیم شده است.

۸-فهرست صفحه‌هایی پیوند به یک صفحه خاص دارند (پیوند به)

مثلا: ایران:

تذکر:این کتابخانه حداکثر تا ۵۰۰ مورد را می تواند نمایش دهد برای موارد بیشتر باید از دیتابیس کوئری بگیرید این کد بر روی ۵۰ مورد تنظیم شده است.

۹-فهرست الگوها (در قالب xml)

در عبارت aplimit، کلمه ap مخفف all pages است.

۱۰-آمار از وضعیت ویکی‌فا

۱۱-فهرست خطاهای لینتر

https://www.mediawiki.org/w/api.php?action=help&modules=query%2Blinterrors

فهرست میان‌ویکی‌های یک صفحه

https://fa.wikipedia.org/w/api.php?action=query&prop=langlinks&titles=%D8%A7%DB%8C%D8%B1%D8%A7%D9%86&redirects=1&lllimit=500

متن تفاوت ویرایش

https://fa.wikipedia.org/w/api.php?action=compare&fromrev=24275599&torev=26278079

می‌توان از کوئری‌ها در ربات‌های پایتون استفاده کرد مزیت آنها نسبت به توابع و کلاس‌های موجود در پای‌ویکی‌پدیا (به انگلیسی: pywikipedia) سرعت بیشتر آنها است و نسبت به کوئری‌های اس‌کیوال این مزیت را دارد که ربات قابلیت اجرا بر روی کامپیوترهای خانگی را نیز دارد و محدود به ربات‌های تول‌سرور نخواهد بود.

تابع استخراج میان‌ویکی مترادف

به صورت پیش‌فرض en > fa

import query def englishdictionry( link ,first_site='en',second_site='fa'):     if link.find('#')!=-1:         return False     if link==u'':         return False         link=link.replace(u' ',u'_')     site = wikipedia.getSite(first_site)     sitesecond= wikipedia.getSite(second_site)     params = {         'action': 'query',         'prop': 'langlinks',         'titles': link,         'redirects': 1,         'lllimit':500,     }     try:         interwikiname = query.GetData(params,site, encodeTitle = True)           cases=interwikiname [u'query'][u'pages'][0][u'langlinks']         for item in cases:             if item[u'lang']==second_site:                 intersec=item[u'*']                 break         result=intersec         if result.find('#')!=-1:             return False         return result     except:          return False 

تابع دریافت الگوهای یک صفحه

import query def templatequery(link,site='fa'):     temps=[]     link=link.split(u'#')[0].strip()     if link==u'':         return False         link=link.replace(u' ',u'_')     site = wikipedia.getSite(site)     params = {             'action': 'query',             'prop':'templates',             'titles': link,             'redirects': 1,             'tllimit':500,     }      try:         templatename = query.GetData(params,site, encodeTitle = True)         our_templates=templatename[u'query'][u'pages'][0][u'templates']         for temp in our_templates:             temps.append(temp[u'title'])                  return temps     except:          return False 

تابع دریافت رده‌های یک صفحه

import query def catquery(link,site='fa',hidden=True):     cats=[]     link=link.split(u'#')[0].strip()     if link==u'':         return False         link=link.replace(u' ',u'_')     site = wikipedia.getSite(site)     if hidden:         params = {             'action': 'query',             'prop': 'categories',             'titles': link,             'redirects': 1,             'cllimit':500,         }     else:         params = {                 'action': 'query',                 'prop': 'categories',                 'titles': link,                 'redirects': 1,                 'clshow':'!hidden',                 'cllimit':500,             }     try:         categoryname = query.GetData(params,site, encodeTitle = True)         our_categories=categoryname[u'query'][u'pages'][0][u'categories']         for cat in our_categories:             cats.append(cat[u'title'])                  return cats     except:          return False 

ربات‌های استفاده کننده از کوئری مدیاویکی

• ربات حذف کنندهٔ پرونده‌های ناموجود از صفحه‌ها
• ربات رده همسنگ
• ربات‌های کمکی برای ساخت مقالات رباتیک و استخراج جعبه

• وب‌گاه مدیاویکی

• متغییرهای جاوااسکریپت