维基百科API查询需求及list、generator、search选型困惑

嘿，我来帮你理清这个维基百科API的查询问题！你要的是标题以"Avatar"开头、分类为"English language films"的条目，还要抓URL、标题、日期、摘要和主图对吧？之前用list=allpages没搞定很正常，因为它本身没法直接结合分类筛选，得搭配其他参数或者换用不同的query模块。下面我给你拆解三种可行的思路，包括你提到的allpages，以及另外两种更实用的方式，帮你精准拿到需要的数据：

allpages可以按标题前缀筛选，但没法直接限定分类，所以得先拿到所有标题以"Avatar"开头的页面，再逐个验证是否属于目标分类：

1. 先获取前缀为"Avatar"的页面列表：

   https://en.wikipedia.org/w/api.php?action=query&list=allpages&apfrom=Avatar&aplimit=50&format=json
   

2. 对每个页面的pageid，用prop=categories检查是否包含目标分类：

   https://en.wikipedia.org/w/api.php?action=query&prop=categories&pageids=【替换为实际pageid】&clcategories=Category:English language films&format=json
   

3. 最后对符合条件的页面，请求完整字段：

   https://en.wikipedia.org/w/api.php?action=query&pageids=【替换为实际pageid】&prop=info|extracts|pageimages&inprop=url|modified&exintro=1&explaintext=1&pithumbsize=300&format=json
   

缺点：需要多轮请求，效率低，且aplimit有上限，处理大量数据时很麻烦。

维基百科的search模块支持用搜索语法同时限定标题前缀和分类，直接命中符合条件的页面：

1. 先搜索符合条件的页面列表：

   https://en.wikipedia.org/w/api.php?action=query&list=search&srsearch=intitle:Avatar incategory:"English language films"&srlimit=50&srprop=timestamp|snippet&format=json
   

2. 拿到每个结果的pageid后，再请求完整的URL、摘要和主图（同方法1的第三步请求）。
   优点：一步拿到符合条件的页面列表；缺点：搜索结果排序不一定严格按标题前缀，且返回的snippet不是完整摘要，需要二次请求补全。

这是最高效的方式，直接从目标分类里筛选标题以"Avatar"开头的页面，一次请求就能拿到所有需要的字段：

https://en.wikipedia.org/w/api.php?action=query&generator=categorymembers&gcmtitle=Category:English language films&gcmtitleprefix=Avatar&gcmlimit=50&prop=info|extracts|pageimages&inprop=url|modified&exintro=1&explaintext=1&pithumbsize=300&format=json

参数解释：

• generator=categorymembers：以分类成员作为生成器，直接获取分类下的页面
• gcmtitleprefix=Avatar：筛选标题以"Avatar"开头的页面
• prop=info|extracts|pageimages：同时获取页面信息（URL、修改日期）、纯文本摘要、主图缩略图
• exintro=1&explaintext=1：只返回正文开头的摘要，且为纯文本格式
• pithumbsize=300：指定主图缩略图的尺寸

这个请求返回的每个条目里，你需要的字段都齐全：title（标题）、fullurl（页面URL）、touched（修改日期）、extract（摘要）、thumbnail（主图地址）。如果结果超过50条，用gcmcontinue参数分页即可。

你之前可能没把generator和categorymembers结合起来用，这才是完全匹配你需求的最优方案——不需要多轮请求，一次就能搞定所有数据。

内容的提问来源于stack exchange，提问作者Le Mot Juiced