获取维基百科文章的第一行
我有一篇维基百科文章，我想从文章中获取第一个z行（或第一个x字符，或第一个y字，无所谓）。
问题是：我可以通过API或者解析的HTML（通过直接的HTTP-Request，最终在打印版本上）获得源Wiki-Text，但是如何找到显示的第一行？ 通常来源（html和wikitext）以信息框和图像开头，第一个显示的实际文本位于代码的下方。
例如：维基百科上的阿尔伯特爱因斯坦（印刷版）。 查看代码，第一个真正的文本行“阿尔伯特爱因斯坦（发音为/ælbərtaɪnstaɪn/;德语：[albɐtaɪ̯nʃtaɪ̯n]; 1879年3月14日至1955年4月）是理论物理学家。 并不是一开始。 这同样适用于Wiki-Source，它以相同的信息框开始，依此类推。
那么你将如何完成这项任务？ 编程语言是java，但这不应该。
我想到的一个解决方案是使用xpath查询，但是这个查询对于处理所有的边界情况将会非常复杂。 [更新]这并不复杂，请参阅下面的解决方案！[/ update]
谢谢！
你不需要。
API的exintro参数仅返回文章的第一部分（第0部分）。
例如： api.php？action = query＆prop = extracted＆exintro＆explaintext＆titles = Albert％20Einstein
还有其他参数：
exchars字符提取的长度。 exsentences要返回的句子数量。 exintro仅返回第零部分。 exsectionformat用于明文提取的部分标题格式：
wiki — e.g., == Wikitext ==
plain — no special decoration
raw — this extension's internal representation
exlimit要返回的提取的最大数量。 由于摘录的产生速度可能会很慢，因此对于仅限简介的摘录，整个页面摘录的限制限制为20;对于整页摘录，则限制为1。 explaintext返回纯文本提取。 excontinue当有更多结果可用时，请使用此参数继续。 来源：https://www.mediawiki.org/wiki/Extension:MobileFrontend#prop.3Dextracts
我也是在同样的需求，并写了一些Python代码来做到这一点。
该脚本以给定名称下载维基百科文章，使用BeautifulSoup解析它并返回前几个段落。
代码位于http://github.com/anandology/sandbox/blob/master/wikisnip/wikisnip.py。
维基百科提供摘要下载。 虽然这是一个相当大的文件（目前为2.5GB ），但它提供了所有文章所需的信息。