标签: 历史页面

  • 维基百科的“ 历史页面 “

    维基百科的“ 历史页面 “

    如要要分析处理维基百科某一个页面的历史记录,最好的方式就是通过“ 历史页面 ”来寻找不同版本直接的区别。这里介绍了HTML格式下面,这些信息的存储格式,以便自动筛选信息。
    维基百科为每一个页面提供了一个动态的历史界面,以记录每次的修改。这个页面由一个列表构成,表中的每一条都是一次修改记录,如下: 
    GetImage

    每条记录由修改日期、修改人、修改内容大小、是否是微小修改、修改备注构成,当然每条修改记录有相对应的文章正文,只是这个正文需要点击链接进入另外一个页面找到(这个和DUMP中的数据不一样,查看《文章页面及历史版本》)。

    这个页面由于是一个动态页面,因此无法从DUMP文件中找出,只能通过HTML格式的方式将页面保存下来。因为是HTML的格式,所以页面的源代码包括了大量的格式化的代码,而要取得所需信息,就需要定位所信息的位置,之后,通过分析代码的结构即可取得所需信息。

    在HTML页面中,历史记录的位置在”id”为”pagehistory”的<ul>标签之间,每条记录以<li>的代码形式被保存着,如下

    [html]
    <ul id=”pagehistory”>
    <li>…</li>
    <li>…</li>
    <li>…</li>
    </ul>
    [/html]

    每条<li>的记录格式的内容结构如下:

    [html]
    <ul>
    <li>
    <span>(<a
    href=”https://fr.wikipedia.org/w/index.php?title=Histoire_de_la_logique&amp;diff=100272207&amp;oldid=97547514″
    title=”Histoire de la logique”>actu</a> | <a
    href=”https://fr.wikipedia.org/w/index.php?title=Histoire_de_la_logique&amp;diff=97547514&amp;oldid=97547510″
    title=”Histoire de la logique”>diff</a>)</span>
    <input type=”radio” value=”97547514″ name=”oldid” id=”mw-oldid-97547514″ style=”visibility: visible;” />
    <input type=”radio” value=”97547514″ name=”diff” id=”mw-diff-97547514″ style=”visibility: hidden;” />
    <a href=”https://fr.wikipedia.org/w/index.php?title=Histoire_de_la_logique&amp;oldid=97547514″
    title=”Histoire de la logique”>17 octobre 2013 à 15:25</a>‎
    <span>
    <a href=”https://fr.wikipedia.org/wiki/Utilisateur:Salebot”
    title=”Utilisateur:Salebot”>Salebot</a>
    <span>(<a
    href=”https://fr.wikipedia.org/wiki/Discussion_utilisateur:Salebot”
    title=”Discussion utilisateur:Salebot”>discuter</a> | <a
    href=”https://fr.wikipedia.org/wiki/Sp%C3%A9cial:Contributions/Salebot”
    title=”Spécial:Contributions/Salebot”>contributions</a>)</span>
    </span>‎
    <span>. .</span>
    <span>(23&nbsp;130 octets)</span>
    <span dir=”ltr” title=”23&nbsp;130 octets après changement”
    >(-76)</span>
    <span>. .</span>
    <span>(bot : révocation de <a
    href=”https://fr.wikipedia.org/wiki/Sp%C3%A9cial:Contributions/193.253.229.112″
    title=”Spécial:Contributions/193.253.229.112″>193.253.229.112</a>
    (modification suspecte : -399), retour à la version 97088153 de Proz)</span>
    (<span><a
    href=”https://fr.wikipedia.org/w/index.php?title=Histoire_de_la_logique&amp;action=edit&amp;undoafter=97547510&amp;undo=97547514″
    title=”Histoire de la logique”>annuler</a></span>)
    </li>
    </ul>
    [/html]

    通过这个结构,我们可以找出一下内容:

    1. 版本(revision) 的ID(这个ID在整个维基百科中是唯一的):https://fr.wikipedia.org/w/index.php?title=Histoire_de_la_logique&amp;oldid=97547514
    2. 版本时间:17 octobre 2013 à 15:25
    3. 这个版本的用户链接:https://fr.wikipedia.org/wiki/Utilisateur:Salebot
    4. 用户名:Salebot
    5. 文章内容大小:23 130 octets
    6. 修改内容大小:-76
    7. 文章编辑的记录:(bot : révocation de 193.253.229.112 (modification suspecte : -399), retour à la version 97088153 de Proz)
    8. 另外,微小编辑属于附加属性,在源代码中按以下方式保存:
      <abbr title=”Cette modification est mineure.”>m</abbr>