维基百科用php,在PHP中解析维基百科标记的最佳方法是什么？

我试图以结构化的方式解析特定的维基百科内容.这是一个示例页面：

我取得了一些成功.我可以检测到这个页面是一个“specie”页面,我也可以将Taxobox(右侧)的信息解析成一个结构.到现在为止还挺好.

但是,我也试图解析文本段落.这些是由Wiki格式或HTML格式的API返回的,我目前正在使用Wiki格式.

我可以阅读这些段落,但我想以特定的方式“清理”它们,因为最终我必须在我的应用程序中显示它并且它没有Wiki标记的意义​​.例如,我想删除所有图像.通过过滤掉[[Image：]]块,这很容易.然而,还有一些我无法删除的块,例如：

{{转换| 350 | – | 680 |公斤|简称=上}}

删除整个块将打破句子.并且有许多这样的符号具有特殊含义.我想避免编写100个正则表达式来处理所有这些,看看我如何能够以更智能的方式解析它.

我的困境如下：

>我可以继续我目前的半结构化解析路径

有很多工作删除不需要的元素以及“模仿”

需要渲染的模板.

>或者,我可以从呈现的HTML输出开始并解析它,但我担心的是,以结构化方式解析它同样脆弱和复杂

理想情况下,有一个库来解决这个问题,但我还没有找到一个可以解决这个问题的工具.我也看过像DBPedia这样的结构化维基百科数据库,但那些只有我已经拥有的相同结构,他们没有在Wiki文本本身提供任何结构.

总结

以上是生活随笔为你收集整理的维基百科用php,在PHP中解析维基百科标记的最佳方法是什么？的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。