我正在使用wikimedia API提取有关电视剧的信息（年份、季数、类型等）。
我使用了这样的查询（请查看输出）：
https://en.wikipedia.org/w/api.php?action=query&prop=修订|图像&tities=The_Vampire_Diaries&rvprop=时间戳|标记|内容&format=json
正如你所注意到的，我需要的信息在revisions属性中，但都是纯文本。
例如，如果我想从该文本中获得系列No. of seasons、Genres、Country of origin值，该怎么办？
所以我想问你的是：有没有一种简单的方法可以访问这些信息？
我的意思是，也许有一种方法可以将纯文本转换为JSON或XML，这样访问信息就非常容易了。我知道有一个parse维基媒体选项可以将修订文本解析为HTML，但我认为访问HTML中的这些信息对我来说不是最好的选择
知道吗？
感谢
你很幸运：这比可能的要简单，因为维基百科的编辑很好，并且给页面提供了一些语义标记。
你有两个选择。一种是解析wikitext，正如你在问题中所建议的那样。另一种是解析渲染的HTML。有许多库可以解析HTML：解析wikitext要困难得多。因此，让我们来解析HTML。
我们将使用action=parse功能为我们解析wikitext。然后我们可以使用page=The_Vampire_Diaries指定标题。由于我们使用的是PHP，所以我们将使用format=php选项。
这提供了这样一个链接：
https://en.wikipedia.org/w/api.php?action=parse&page=The_Vampire_Diaries&format=php
太棒了。我们现在有了呈现的wikitext。让我们把它放到一个PHP变量中：
$url = '...'; // as above
$apiResult = file_get_contents($url);
$parsedResult = unserialize($apiResult);
$renderedHTML = $parsedResult['parse']['text']['*'];
我们现在有了页面的HTML。
让我们使用DOMDocument类来获得我们想要的元素。幸运的是，这一行有一个类：category。然后我们想要直接派生的a元素。
$dom = new DOMDocument;
$dom->loadHTML($renderedHTML);
$xpath = new DOMXPath($dom);
$elements = $xpath->query('//*[contains(@class, ''category'')]/a');
$genres = array();
foreach($elements as $element) {
$genres[] = $element->nodeValue;
}
因此，$genres数组现在包含您想要的值。var_export给出：
array (
0 => 'Supernatural drama',
1 => 'Horror',
2 => 'Fantasy',
3 => 'Romance',
)
当然，这是非常脆弱的。如果HTML发生了显著变化，那么您的代码可能无法正常工作。您可能还想进行一些错误检查，例如在调用unserialize和loadHTML之前。