如何从 Wikipedia 中获取有关人员的所有文章？答案

【问题标题】：How do I get all articles about people from Wikipedia?如何从 Wikipedia 中获取有关人员的所有文章？
【发布时间】：2010-10-25 17:23:38
【问题描述】：

从 Wikipedia 获取所有关于人物的文章最简单的方法是什么？我知道我可以下载所有页面的转储，但是如何过滤这些页面并仅获取有关人员的页面？我需要尽可能多的东西（最好超过一百万），所以使用任何类型的 API 可能都不是一种选择。

【问题讨论】：

【解决方案1】：

由于关于人物的文章通常包含 Persondata 模板，因此您只需搜索所有包含 Persondata 的文章。您可以在此处找到用于执行此操作的示例 API 查询：

【讨论】：

【解决方案2】：

从 2014 年开始，您还有另一个选择：查询 WikiData 以查找属性 instance of (P31) 的值为 human (Q5) 的所有实体。

从该列表中，过滤掉任何没有sex or gender (P21) 的内容，以删除“科学家”之类的页面

这样，您无需跟踪维基百科的每个不同语言版本（有285）中的人们使用了哪些模板。

【讨论】：

【解决方案3】：

如果您打算自行推出，基本上您需要关注的是 XML 转储中的“infobox 数据”。

【讨论】：