如何获取 Wikipedia 上文章的完整更改历史记录？答案

【问题标题】：How can I get the full change history for an article on Wikipedia?如何获取 Wikipedia 上文章的完整更改历史记录？
【发布时间】：2011-03-20 21:12:33
【问题描述】：

我想要一种下载 Wikipedia 上热门文章历史中每一页内容的方法。换句话说，我想获得一篇文章的每次编辑的全部内容。我该怎么做呢？

有没有一种使用 Wikipedia API 的简单方法来做到这一点。我看了看，没有发现任何弹出的简单解决方案。我还查看了 PyWikipedia Bot 页面 (http://botwiki.sno.cc/w/index.php?title=Template:Script&oldid=3813) 上的脚本，但没有发现任何有用的东西。用 Python 或 Java 做一些简单的方法是最好的，但我愿意接受任何可以让我获得数据的简单解决方案。

【问题讨论】：

标签： scripting wikipedia web-scraping

【解决方案1】：

嗯，一种解决方案是解析 Wikipedia XML 转储。

只是想我会把它放在那里。

如果您只获得一个页面，那就太过分了。但是，如果您不需要最新的信息，使用 XML 将具有一次性下载而不是重复网络访问的优势。

【讨论】：

【解决方案2】：

对此有多种选择。您可以使用 Special:Export 特殊页面来获取页面历史记录的 XML 流。或者您可以使用/w/api.php 下的 API。使用action=query&title=$TITLE&prop=revisions&rvprop=timestamp|user|content 等获取历史记录。 Pywikipedia为此提供了一个接口，但我不知道如何调用它。 Python 的替代库mwclient 也提供此功能，通过site.pages[page_title].revisions()

【讨论】：

完美！这正是我想要的。