如何检索维基词典的单词内容？

Wiktionary的API如何用于确定单词是否存在？

在维基API可用于查询是否存在一个字。

现有页面和不存在页面的示例：

http://en.wiktionary.org/w/api.php?action=query&titles=test http://en.wiktionary.org/w/api.php?action=query&titles=testx

第一个链接提供了可能更易于解析的其他类型的格式的示例。

要以较小的XHTML格式检索单词的数据（不应该存在），请请求页面的可打印版本：

http://en.wiktionary.org/w/index.php?title=test&printable=yes http://en.wiktionary.org/w/index.php?title=testx&printable=yes

然后可以使用任何标准XML解析器对其进行解析。

仅检查Wiktionary是否具有您要查找的名称的页面时，需要注意以下几点：

警告＃1：包括英语维基词典在内的所有维基词典的实际目标都是在每种语言中包含每个单词，因此，如果您仅使用上述API调用，您将知道您所询问的单词是至少一种语言中的单词，但是不一定是英语：http : //en.wiktionary.org/w/api.php?action=query&titles=dicare

警告＃2：也许存在从一个单词到另一个单词的重定向。它可能来自其他拼写，但也可能来自某种错误。上面的API调用不会区分重定向和文章：http : //en.wiktionary.org/w/api.php?action=query&titles=profilemetry

警告＃3：包括英语维基词典在内的某些维基词典中包含“常见拼写错误”：http : //en.wiktionary.org/w/api.php? action=query&titles=fourty

警告＃4：某些维基词典允许存根条目，这些存根条目几乎没有关于术语的信息。这过去在多个维基词典中很常见，但在英语维基词典中并不常见。但它似乎现在也传播到了英语维基词典：https ://en.wiktionary.org/wiki/%E6%99%B6%E7%90%83存根看起来像什么：https : //en.wiktionary.org/w/index.php?title=% E6%99%B6%E7%90%83 &oldid=39757161）

如果您想要的内容中没有包含这些内容，则必须加载并解析Wikitext本身，这不是一件简单的任务。

您可以下载Wikitionary数据的转储。FAQ中有更多信息。就您的目的而言，定义转储可能比xml转储更好。

为了保持简单，请像这样从转储中提取单词：

bzcat pages-articles.xml.bz2 | grep '<title>[^[:space:][:punct:]]*</title>' | sed 's:.*<title>\(.*\)</title>.*:\1:' > words

如果使用的是Python，则可以使用Suyash Behera的WiktionaryParser。

您可以通过安装

sudo pip install wiktionaryparser

用法示例：

>>> from wiktionaryparser import WiktionaryParser
>>> parser = WiktionaryParser()
>>> word = parser.fetch('test')
>>> another_word = parser.fetch('test', 'french')
>>> parser.set_default_language('french')

您可能想尝试JWKTL。我刚刚发现了;）

http://en.wikipedia.org/wiki/Ubiquitous_Knowledge_Processing_Lab#Wiktionary_API

http://www.ukp.tu-darmstadt.de/software/jwktl/

如前所述，这种方法的问题在于，维基词典提供了有关所有语言的所有单词的信息。因此，使用Wikipedia API来检查页面是否存在的方法将不起作用，因为存在很多非英语单词的页面。为了克服这个问题，您需要分析每个页面以找出是否有描述英语单词的部分。解析Wikitext并不是一件容易的事，尽管对于您而言，这还不是那么糟糕。要涵盖几乎所有情况，您只需要检查Wikitext是否包含English标题即可。根据您使用的编程语言，您可以找到一些从Wikitext 构建AST的工具。这将涵盖大多数情况，但并非全部，因为Wiktionary包含一些常见的拼写错误。

或者，您可以尝试使用Lingua Robot或类似工具。Lingua Robot解析Wiktionary内容，并将其作为REST API提供。非空响应表示该词存在。请注意，与Wiktionary相反，API本身不包含任何拼写错误（至少在编写此答案时）。还请注意，维基词典不仅包含单词，还包含多单词表达。

这是解析词源和发音数据的开始：

function parsePronunciationLine(line) {
  let val
  let type
  line.replace(/\{\{\s*a\s*\|UK\s*\}\}\s*\{\{IPA\|\/?([^\/\|]+)\/?\|lang=en\}\}/, (_, $1) => {
    val = $1
    type = 'uk'
  })
  line.replace(/\{\{\s*a\s*\|US\s*\}\}\s*\{\{IPA\|\/?([^\/\|]+)\/?\|lang=en\}\}/, (_, $1) => {
    val = $1
    type = 'us'
  })
  line.replace(/\{\{enPR|[^\}]+\}\},?\s*\{\{IPA\|\/?([^\/\|]+)\/?\|lang=en}}/, (_, $1) => {
    val = $1
    type = 'us'
  })
  line.replace(/\{\{a|GA\}\},?\s*\{\{IPA\|\/?([^\/\|]+)\/?\|lang=en}}/, (_, $1) => {
    val = $1
    type = 'ga'
  })
  line.replace(/\{\{a|GA\}\},?.+\{\{IPA\|\/?([^\/\|]+)\/?\|lang=en}}/, (_, $1) => {
    val = $1
    type = 'ga'
  })
  // {{a|GA}} {{IPA|/ˈhæpi/|lang=en}}
  // * {{a|RP}} {{IPA|/pliːz/|lang=en}}
  // * {{a|GA}} {{enPR|plēz}}, {{IPA|/pliz/|[pʰliz]|lang=en}}

  if (!val) return

  return { val, type }
}

function parseEtymologyPiece(piece) {
  let parts = piece.split('|')
  parts.shift() // first one is ignored.
  let ls = []
  if (langs[parts[0]]) {
    ls.push(parts.shift())
  }
  if (langs[parts[0]]) {
    ls.push(parts.shift())
  }
  let l = ls.pop()
  let t = parts.shift()
  return [ l, t ]
  // {{inh|en|enm|poisoun}}
  // {{m|enm|poyson}}
  // {{der|en|la|pōtio|pōtio, pōtiōnis|t=drink, a draught, a poisonous draught, a potion}}
  // {{m|la|pōtō|t=I drink}}
  // {{der|en|enm|happy||fortunate, happy}}
  // {{cog|is|heppinn||lucky}}
}

更新：这里有一个要点，更加充实。

您可以使用Revisions API：

https://zh.wiktionary.org/w/api.php?action=query&prop=revisions&titles=test&rvslots=*&rvprop=content&formatversion=2

或解析API：

https://zh.wiktionary.org/w/api.php?action=parse&page=test&prop=wikitext&formatversion=2

docs中提供了更多示例。