完整的URL（僅適用於那些我在網頁上看到）

Question

我想提取維基百科

「谷歌」的頁面圖像的所有完整的URL

我有試過：

http://en.wikipedia.org/w/api.php?action=query&titles=Google&generator=images&gimlimit=10&prop=imageinfo&iiprop=url|dimensions|mime&format=json 

，但是，這樣一來，我也得到了谷歌沒有相關的圖片，如：

http://upload.wikimedia.org/wikipedia/en/a/a4/Flag_of_the_United_States.svg 
http://upload.wikimedia.org/wikipedia/en/4/4a/Commons-logo.svg 
http://upload.wikimedia.org/wikipedia/en/4/4a/Commons-logo.svg 
http://upload.wikimedia.org/wikipedia/commons/f/fe/Crystal_Clear_app_browser.png 

我怎麼能只提取只是我在Google page

看到的影像

Answer 1

1. 檢索網頁源代碼，https://en.wikipedia.org/w/index.php?title=Google&action=raw
2. 只需爲子像[[File:Google web search.png|thumb|left|On February 14, 2012, Google updated its homepage with a minor twist. There are no red lines above the options in the black bar, and there is a tab space before the "+You". The sign-in button has also changed, it is no longer in the black bar, instead under it as a button.]]
3. 向API用於網頁上的所有圖片，http://en.wikipedia.org/w/api.php?action=query&titles=Google&generator=images&gimlimit=10&prop=imageinfo&iiprop=url|dimensions|mime&format=json
4. 篩選出網址，但那些比賽畫面名稱在步驟2中
發現

步驟2和步驟4需要更多解釋。

@ 2。正則表達式/\b(File|Image):[^]|\n\r]+/應該足夠了。在Ruby的正則表達式中，\b表示可能在您選擇的語言中不支持的單詞邊界。我建議的正則表達式將匹配所有我想到的情況：[[File:something.jpg]]，圖庫標籤：<gallery>\nFile:one.jpg\nFile:two.jpg\n</gallery>，模板：{{Infobox|pic = File:something.jpg}}。但是，它不會匹配包含]的文件名。我不確定他們是否合法，但如果他們是合法的，他們一定是非常不尋常的，這不應該是一個大問題。

如果你想只匹配結構是這樣的：[[File:something.jpg|thumb|description]]，下面的正則表達式將更好地工作：/\[\[(File|Image):[^]|]+/

@ 4。我會刪除名稱與/[^A-Za-z0-9]/匹配的所有字符。比逃避它們更容易，而且在大多數情況下足夠了。

圖標最經常附加在模板中，與圖片相關的圖片主題相關，這些圖片最經常直接附加（[[File:…]]）。但也有例外，例如在某些文章中，圖片附有{{Gallery}}模板。還有<gallery>標籤，它爲畫廊引入了特殊的語法。你必須根據你的需求調整我的解決方案，即使這樣也不會完美，但它應該足夠好。