维基百科PHP API plcontinue分页失效及相关问题求助

一、核心问题解决：plcontinue分页重复数据 #

你的分页逻辑存在几个关键错误，导致返回重复内容：

1. 赋值运算符误用：构造函数里的判断条件用了=赋值，应改为==做相等判断。
2. formatversion不一致：第一次请求未指定formatversion=2，续页时才添加，导致参数格式不兼容，需全程统一格式版本。
3. 数组合并未赋值：array_merge不会修改原数组，需将返回值重新赋值给变量。
4. 仅单次续页请求：只执行了一次续页，应循环请求直到无continue参数为止。

修正后的完整代码片段：

public function __construct($constructor_params){
    $this->wiki_endpoint_url = 'https://en.wikipedia.org/w/api.php';
    $this->house_representatives_title = 'List of current members of the United States House of Representatives';
    // 初始化时统一指定formatversion=2
    $this->get_wiki_page_links_query_parameters = array(
        "action" => "query",
        "titles" => "dynamic",
        "prop" => "links",
        "pllimit" => "max",
        "format" => "json",
        "formatversion" => 2
    );                              
    // 修正判断运算符为==
    if($constructor_params['list'] == true && $constructor_params['genre'] == 'political'){
        $this->parse_wiki_list($this->house_representatives_title);
        $this->parse_wiki_political_link_list();
    }
}

private function parse_wiki_list($wiki_page_title){
    $params = $this->get_wiki_page_links_query_parameters;
    $params['titles'] = $wiki_page_title;
    $all_links = array();

    do {
        $built_url = $this->wiki_endpoint_url . '?' . http_build_query($params);
        echo $built_url . '<br>';
        
        $wiki_json = $this->curl_fetch_return($built_url);
        $response = json_decode($wiki_json, true);
        
        // 提取当前页的链接数据
        if (!empty($response['query']['pages'][0]['links'])) {
            $all_links = array_merge($all_links, $response['query']['pages'][0]['links']);
        }
        
        // 更新续页参数，无续页则移除该参数
        if (!empty($response['continue'])) {
            $params['plcontinue'] = $response['continue']['plcontinue'];
        } else {
            unset($params['plcontinue']);
        }
    } while (isset($params['plcontinue']));

    $this->wiki_json_decoded = $all_links;
}

二、其他问题解决方案 #

1. 过滤网页中隐藏的链接 #

API默认返回所有内部链接，包括模板、导航栏等隐藏内容，可通过以下方式过滤：

• 添加plnamespace=0参数：仅返回主命名空间（普通文章）的链接，排除模板、讨论页等非内容链接。
• 列表页优先用DOM解析：通过prop=extracts获取页面HTML片段，定位到目标表格/列表后提取链接，比直接用links属性更精准。

2. iwlinks参数无效问题 #

iwlinks用于获取跨语言链接，不是外部URL。若要获取页面中的外部链接，需改用prop=extlinks参数，示例：

$params = array(
    "action" => "query",
    "titles" => $wiki_page_title,
    "prop" => "extlinks",
    "ellimit" => "max",
    "format" => "json",
    "formatversion" => 2
);

3. 仅获取主题相关链接 #

• 列表页推荐DOM解析：直接提取页面中目标表格/列表内的链接，这是最精准的方式。
• 关键词过滤：使用plsearch参数匹配链接关键词，比如plsearch="Representative"，但精度低于DOM解析。

内容的提问来源于stack exchange，提问作者Paul Tennant