如何从维基百科页面中抓取第一段？

Question

假设我想获取this wikipedia page 中的第一段。如何使用 XPath 或 DOM & PHP 或类似的东西获取标题和内容框之间的主要文本？

有没有 php 库可以解决这个问题？我不想使用api，因为它有点复杂。

注意：我只需要在我的页面下添加一个小部件，以显示来自维基百科的相关信息。

Answer 1

使用以下 XPath 表达式：

/*/h:body//h:h1
  |
   /*/h:body//h:h1/following::node()
      [count(. | //h:table[@id='toc']
                  /preceding::node()
             )
      =
       count(//h:table[@id='toc']
                  /preceding::node()
             )
       ]

这里前缀 h: 绑定到 XHTML 命名空间 ("http://www.w3.org/1999/xhtml")。

这种转换表明真正产生了想要的结果：

<xsl:stylesheet version="1.0"
 xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
 xmlns:h="http://www.w3.org/1999/xhtml"
 >
 <xsl:output omit-xml-declaration="yes" indent="yes"/>

 <xsl:template match="/">
  <xsl:copy-of select=
  "/*/h:body//h:h1
  |
   /*/h:body//h:h1/following::node()
      [count(. | //h:table[@id='toc']
                  /preceding::node()
             )
      =
       count(//h:table[@id='toc']
                  /preceding::node()
             )
       ]
  "/>
 </xsl:template>
</xsl:stylesheet>

在维基百科文章的XHTML文档上运行时（您还需要为该文档定义两个实体 和®），就会产生想要的结果。