如何通过Wikipedia API获取可在iOS应用使用的纯净页面文本摘要

结论 #

目前Wikipedia API没有自带参数可以直接过滤extracts返回结果里的这类冗余内容，你需要自行做内容清洗处理。

具体说明 #

• 你当前调用的接口中prop=extracts的实现逻辑是对原始维基页面HTML做轻量化解析，explaintext参数仅负责移除所有HTML标签，不会主动识别并删除音频标注、引用标记这类非核心文本。
• 针对你提到的(listen)这类常见冗余内容，可以直接通过简单的正则匹配规则完成清理，常见的可清理内容包括：
  • 音频播放标记：匹配(listen)等固定格式的标注，替换为空即可，注意同步清理前后多余的空格避免残留空白。
  • 引用标记：如果后续获取更长的词条内容，可能出现[1]、[2]这类上标引用标识，同样可以通过匹配方括号加数字的规则批量移除。
  • 发音描述内容：如果不需要展示词条的音标、发音说明，可以写规则匹配整段发音描述块统一移除。
• 如果对内容自定义程度要求更高，也可以调整接口参数请求原始wikitext格式的内容，自行解析提取需要的段落，灵活度会更高。

内容的提问来源于stack exchange，提问作者Georg