Как получить Википедию «чистый» контент?

Question

Я использую Mediawiki api, чтобы получить содержание с страниц Википедии. Я написал код, который генерирует следующий запрос (к примеру):

http://en.wikipedia.org/w/api.php?action=query&prop=revisions&rvprop=content&rvsection=0&titles=hawaii

который извлекает только ведущий абзац на странице Wikipdia о Гавайях.

Проблема заключается в том, что, как вы могли заметить, что есть много неуместных подстроки, такие как:

"[[Molokai|Moloka{{okina}}i]], [[Lanai|Lāna{{okina}}i]], [[Kahoolawe|Kaho{{okina}}olawe]], [[Maui]] and the [[Hawaii (island)|".

Все эти штрихи [[]] не имеют отношения к делу, и я задаюсь вопросом, существует ли какой-либо метод, чтобы вытащить только «чистый» контент с таких страниц?

Заранее спасибо.

Answer 1

пожалуйста, попробуйте следующее:

$ = preg_replace соответствующий ('/[[.*?]]/', '', $ строка);

EDIT: только что this - надеюсь, что это полезно

Answer 2

Вы можете получить чистый текст HTML из Википедии с этим запросом:

https://en.wikipedia.org/w/api.php?action=query&prop=extracts&titles=hawaii

Если вы хотите просто обычный текст, без HTML, попробуйте следующее:

https://en.wikipedia.org/w/api.php?action=query&prop=extracts&titles=hawaii&explaintext