PHP调用维基百科API提取infobox及短描述报错解决方法

报错原因 #

• Array to string conversion提示：执行current($data['query']['pages'])后得到的是包含页面ID、标题、修订版本信息的多维数组，PHP不支持直接通过echo输出数组，因此触发提示，最终仅打印"Array"字符串。
• Undefined offset: 0提示：页面信息数组不存在索引为0的元素，接口返回的正文维基文本（wikitext）实际存储在$page['revisions'][0]['*']路径下，直接访问$data[0]属于读取不存在的数组键。

修正实现代码 #

<?php
// 拉取页面0号章节原始内容
$url = "https://en.wikipedia.org/w/api.php?action=query&prop=revisions&rvprop=content&format=json&titles=twitter&rvsection=0";
$response = json_decode(file_get_contents($url), true);
$page = current($response['query']['pages']);
$wikitext = $page['revisions'][0]['*'];

// 提取短描述：优先匹配官方短描述模板，无匹配时兜底取首句
$shortDescription = '';
if (preg_match('/\{\{Short description\|([^}]+)\}\}/i', $wikitext, $matches)) {
    $shortDescription = trim($matches[1]);
}
if (empty($shortDescription)) {
    $cleanText = preg_replace('/\{\{[^}]+\}\}/', '', $wikitext);
    $cleanText = strip_tags($cleanText);
    preg_match('/^[^.。！？]+[.。！？]/', trim($cleanText), $firstSentence);
    $shortDescription = trim($firstSentence[0] ?? '');
}

// 提取Infobox完整维基文本，处理嵌套括号避免截断
$infoboxWikitext = '';
$infoboxStart = stripos($wikitext, '{{Infobox');
if ($infoboxStart !== false) {
    $braceCount = 0;
    $textLength = strlen($wikitext);
    for ($i = $infoboxStart; $i < $textLength; $i++) {
        if ($wikitext[$i] === '{' && isset($wikitext[$i+1]) && $wikitext[$i+1] === '{') {
            $braceCount++;
            $i++;
        } elseif ($wikitext[$i] === '}' && isset($wikitext[$i+1]) && $wikitext[$i+1] === '}') {
            $braceCount--;
            $i++;
            if ($braceCount === 0) {
                $infoboxWikitext = substr($wikitext, $infoboxStart, $i - $infoboxStart + 1);
                break;
            }
        }
    }
}

// 转换Infobox维基文本为HTML
$data = '';
if (!empty($infoboxWikitext)) {
    $parseApi = "https://en.wikipedia.org/w/api.php?action=parse&text=" . urlencode($infoboxWikitext) . "&contentmodel=wikitext&format=json";
    $parseResult = json_decode(file_get_contents($parseApi), true);
    $data = $parseResult['parse']['text']['*'] ?? '';
}

// 验证结果
// var_dump($shortDescription); // 输出string(32) "American social networking service"
// echo $data; // 输出完整Infobox对应的HTML代码
?>

实现说明 #

• 短描述提取优先匹配维基官方的{{Short description}}模板，准确率远高于直接截取文本首句，兜底逻辑适配未添加该模板的页面。
• Infobox提取采用括号计数逻辑，可正确处理Infobox内部嵌套的模板、标签，不会提前截断内容。
• 维基文本转HTML直接调用官方解析接口，无需自行实现复杂的wikitext解析规则，避免格式解析错误。
• 若需要优化请求效率，可调整接口参数一次性获取解析后内容，减少HTTP请求次数。

内容的提问来源于stack exchange，提问作者user19366702