从 wiki 文本中的链接确定确切的 URL答案

【问题标题】：Determining Exact URL from a link inside wiki text从 wiki 文本中的链接确定确切的 URL
【发布时间】：2012-06-22 19:23:06
【问题描述】：

在维基百科的文章文本中，可能会提到如下链接：[Category:A B C]，但确切的 wiki url 将具有像 Category:A_B_C 这样的后缀我可以从哪里获得有关 wiki 用于从其文本中的链接获取 url 的所有这些规则的信息？（例如，将空格转换为下划线、首字母大写、处理非 ascii 字符等）

【问题讨论】：

标签： url wikipedia url-encoding mining

【解决方案1】：

大致如下：

规范化命名空间，例如category: --> Category:.
标题的首字母大写，例如Category:foo --> Category:Foo。注意：这取决于 wiki 设置，例如，维基词典中的标题从不大写。
用下划线替换空格，例如Foo bar --> Foo_bar.
使用 PHP 的标准函数 urlencode() 对所有常用字符进行百分比编码，但以下字符除外：;:@$!*(),/。

有关完整的技术细节，您可以查看 this（函数 getLocalUrl()）和 this（函数 wfUrlencode()）。

【讨论】：

【解决方案2】：

没有“等”，你已经提到了所有的规则：

空格转换为下划线
文章标题首字母大写（命名空间首字母大写，如果有的话）
整个链接是percent-encoded

请注意，规则 #1 和 #2 不是强制性的：如果您创建自己的 URL 而不遵循它们，维基百科仍会正确显示页面。

如果您包含命名空间别名 (WP:WikiProject Computing → Wikipedia:WikiProject_Computing) 和跨维基链接 (wikia:gameofthrones:Westeros → http://www.wikia.com/wiki/c:gameofthrones:Westeros)，事情会变得更加复杂。

【讨论】：