ウィキペディア記事抽出ツールとは？

ウィキペディア記事抽出ツールは、ウィキペディアのページの内容を取得し、元のWikiページよりも再利用しやすい、クリーンで構造化された形式に変換します。オフラインで読むためのプレーンテキスト、メモやドキュメント用のMarkdown、埋め込み用のHTML、またはMediaWiki内部で使用される生のウィキテキストマークアップなどに変換できます。これは、ナビゲーションメニュー、広告、編集リンクなど、記事本体とは関係のないページ要素を除き、ブラウザーの外部で記事の内容を利用したい研究者、ライター、開発者に役立ちます。

ツールの説明

このツールは、URLからウィキペディアの記事を直接取得し、プレーンテキスト、Markdown、HTML、生のウィキテキスト、解析済み構造を表すAST（JSON）、ダウンロード可能なPDFの6種類の形式から選択して、記事の内容を抽出します。見出し、リスト、表、リンク、参考文献、画像、テンプレート、カテゴリなど、含める項目を細かく調整できます。その後、結果をコピーしたり、ファイルとしてダウンロードしたりできます。

機能

  • URLから、すべてのウィキペディア言語版に対応して、公開されている任意の記事を直接取得
  • 6種類の出力形式：プレーンテキスト、Markdown、HTML、生のウィキテキスト、AST（JSON）、PDF
  • 見出し、リスト、表、リンク、参考文献、画像、テンプレート、カテゴリを含めるか除外するかを細かく設定可能
  • 抽出した内容の文字数と単語数をリアルタイムで表示
  • 行番号と自動折り返しに対応した、シンタックスハイライト付きの出力ビューア
  • 結果を対応する形式のファイル（.txt、.md、.html、.wiki、.json、.pdf）としてダウンロード

使い方

  1. ウィキペディア記事のURL（例：https://en.wikipedia.org/wiki/Dog）を貼り付けます
  2. 「記事を取得」をクリックしてページの内容を読み込みます
  3. 出力形式を選択します：プレーンテキスト、Markdown、HTML、生のウィキテキスト、AST（JSON）、またはPDF
  4. コンテンツオプション（見出し、リスト、表、リンク、参考文献、画像、テンプレート、カテゴリ）を切り替えて、含める項目を設定します
  5. 抽出された内容、文字数・単語数を確認し、必要に応じて結果をダウンロードします

ヒント

  • 言語と記事タイトルはURLから直接読み取られるため、英語版に限らず、任意のウィキペディア言語版へのリンクを貼り付けて使用できます
  • コンテンツオプションはテキスト、Markdown、HTML、PDF形式にのみ適用されます。生のウィキテキストとASTでは、常にフィルタリングされていない完全なソースが返されます
  • 記事を最も読みやすい状態でコピーするには、「参考文献」をオフにし、「テンプレート」もオフ（デフォルト）にしてください。これらには、記事の本文に含まれない不要な情報が追加されることが多いためです
  • 記事の解析済み構造を確認したり、プログラムで処理したりする必要がある場合は、AST（JSON）形式を使用してください

よくある質問

対応しているウィキペディアの言語版はどれですか？

ウィキペディアのすべての言語版に対応しています。その言語のサブドメインにある記事のURLを貼り付けるだけで使用できます（例：de.wikipedia.org、ja.wikipedia.org）。

出力にリンクやテンプレートが含まれていないのはなぜですか？

コンテンツオプションを確認してください。リンク、テンプレート、カテゴリ、画像、参考文献はそれぞれ個別に切り替えることができ、一部はデフォルトでオフになっています。

このツールはウィキペディアの記事を変更または保存しますか？

いいえ。抽出と表示のために記事の公開コンテンツを読み取るだけです。ウィキペディアに何かがアップロードされたり、保存されたりすることはありません。

元のWikiマークアップをそのまま取得できますか？

はい。出力形式として「生のウィキテキスト」を選択すると、ウィキペディアに保存されている未変更のソースマークアップを、そのまま確認できます。