Discussion :

[geeka]

Bonsoir,

Je débute en API. J'ai lu la documentation sur Mediawiki, pourtant je n'ai toujours pas saisi comment récupérer des données
Sur leur page ils disent qu'on envoie une requête par HTTP via GET et on aura les données en JSON.
Je n'ai pas compris. Comment je récupère le query, title ... ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

https://en.wikipedia.org/w/api.php?action=query&titles=Main%20Page&prop=revisions&rvprop=content&format=json

Merci

[Tsilefy]

Si tu ouvres ce lien dans un navigateur, tu verras les données sous forme de données JSON.

Il faut que tu en fasses de même avec ton script (avec file_get_contents, cUrl ou Guzzle), que tu récupères le json et le transformes en tableau ou object, et ensuite tu peux récupérer tout ce que tu veux: titres, articles etc...

[geeka]

Merci beaucoup pour ta réponse.
J'ai essayé le file_get_contents comme ceci :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
<?php
$homepage = file_get_contents("https://fr.wiktionary.org/w/api.php?action=query&titles=bouteille&prop=revisions&rvprop=content&format=json");
echo $homepage;
?>

ça me donne la définition du mot bouteille dans le witionnaire français.
Et la page ressemble à ça :


Normalement le format est en JSON, mais là je vois un format spécial qui est du wikicode. Comment je pourrais manipuler ça ?

Merci

[Tsilefy]

C'est du json mais le json contient du wikitext :-)

Tu dois utiliser json_encode pour transformer ces données en tableau. Par contre, effectivement, l'exemple que tu utilises donne le contenu en wikitext. Pour récupérer le contenu en html, il faut utiliser le paramètre prop=extract.

Par exemple: https://en.wikipedia.org/w/api.php?a...fm&titles=JSON

Le HTML de la page se trouve sous la sous-clef "extract".

[geeka]

Merci pour toutes ces explications
Ah pas la peine de parser ce wikitext alors.
Est-il possible d'enlever aussi les balises HTML ou ce n'est pas gênant, en fait c'est pour analyser le texte et extraire certaines informations ?. Quand je mets format=json, j'ai toujours les balises.

[Tsilefy]

Les balises seront toujours là quel que soit le format, car elles font parties des données.

Pour supprimer les balises, tu peux utiliser strip_tags ou filter_var($content, FILTER_SANITIZE_STRING).

[geeka]

Merci beaucoup.
J'aurais une dernière question , j'ai vu qu'il y avait plusieurs solutions pour extraire les données de wikipédia ou wiktionnaire :

1) API MediaWiki
2) DBpedia avec SPARQL
3) Wikidata Query Service avec SPARQL
4) Extraction des fichiers dumps

Quelle est la meilleure solution pour extraire les données, sachant que je devrais les mettre ensuite dans une BDD ?
J'ai essayé la solution 4) en premier mais le fichier est trop lourd.

[Tsilefy]

Aucune idée!

Je pense que le plus simple c'est l'API, mais je ne connais pas les autres.

[geeka]

Merci beaucoup