Wikipedia Scraper : articles, résumés et métadonnées, 0,50$ pour 1 000 articles

Extrayez des articles Wikipedia par titre, URL ou ID Wikidata via l'API officielle MediaWiki. Retourne titre de l'article, résumé (premier paragraphe), contenu complet en texte brut, miniature, image principale, toutes les catégories, coordonnées géographiques quand applicable, ID Wikidata Q, pageviews des 30 derniers jours et références aux autres langues. Supporte 12+ langues incluant anglais, allemand, français, espagnol, chinois et japonais. Idéal pour données d'entraînement IA, enrichissement de graphe de connaissances, ingestion RAG et bases de référence.

Ce que vous obtenez

• Identité : title, page_id, wikidata_id (Q-ID), canonical_url, language
• Contenu : summary (premier paragraphe), content (texte brut complet), sections[], word_count
• Visuel : thumbnail_url, lead_image_url, image_count
• Taxonomie : categories[], interwiki_links[] (éditions autres langues)
• Géo + popularité : coordinates (lat/lon si article géo), pageviews_30d, edit_count, last_edited_at

Cas d'usage principaux

• Données d'entraînement IA. Construire des corpus propres et structurés pour fine-tuning LLM sur sujets et langues
• Enrichissement de graphe de connaissances. Résoudre entités entreprise, personne ou lieu vers ID Wikidata Q et extraire descriptions canoniques
• Ingestion RAG. Envoyer le contenu Wikipedia dans des bases vectorielles comme ancrage de référence faisant autorité
• Bases de référence multilingues. Extraire le même article en 12+ langues pour projets de textes parallèles
• Surveillance de sujets. Suivre edit_count et last_edited_at pour détecter les pics d'intérêt public

Exemple d'API

# Lancer une exécution via l'API Apify
curl -X POST "https://api.apify.com/v2/acts/santamaria-automations~wikipedia-scraper/runs?token=YOUR_TOKEN" \
 -H "Content-Type: application/json" \
 -d '{
 "queries": [
 "Stripe (entreprise)",
 "OpenAI",
 "Tour Eiffel",
 "Albert Einstein",
 "Transformer (modèle d\u0027apprentissage automatique)"
 ],
 "language": "fr",
 "extractFullContent": true,
 "includePageviews": true
 }'

# Ou utiliser avec des agents IA via MCP :
# https://mcp.apify.com?tools=santamaria-automations/wikipedia-scraper

Intégrations

• n8n, Make, Zapier : déclencher des exécutions et traiter les enregistrements via webhook
• Agents IA (MCP) : Claude Desktop, Cursor, VS Code, LangChain, LlamaIndex
• Python, Node.js : SDK Apify pour l'accès programmatique
• Google Sheets, Airtable : entrées en masse, données structurées en sortie

Champs de sortie

Acteurs associés

• HTML to Markdown: convertir le HTML Wikipedia en markdown propre pour usage LLM en aval
• RSS Feed Reader: associer entités Wikipedia avec sources RSS d'actualité
• SEO Metadata Extractor: extraire signaux SEO on-page depuis toute URL de référence

Exécutez cet actor directement sur Apify (sans code)

Cliquez sur Ouvrir sur Apify ci-dessus pour lancer wikipedia-scraper dans votre navigateur – sans code, sans installation. Dans la console Apify, vous obtenez :

• Test en un clic – remplissez le formulaire d'entrée ou collez l'exemple JSON ci-dessus dans l'onglet Éditeur JSON, puis cliquez sur Start.
• Sortie en direct – regardez les lignes défiler dans un tableau Output interactif, ou basculez vers la vue JSON / Log brute.
• Exportez dans n'importe quel format – téléchargez le dataset en un clic au format JSON, CSV, XML, Excel, tableau HTML, RSS ou JSONL.
• Planifications – lancez cet actor quotidiennement, hebdomadairement, toutes les heures ou avec un cron personnalisé. Apify gère le timing et stocke chaque dataset.
• Intégrations & webhooks – déclenchez un webhook en cas de succès/échec, ou connectez Zapier, n8n, Make, Airbyte, Google Sheets, Slack, S3, Postgres et plus depuis l'onglet Actions.
• Coûts transparents – suivez l'usage exact face à votre quota gratuit de 5$/mois avant de dépenser un centime.

Obtenez votre jeton API Apify

Pour lancer cet actor depuis votre propre code, il vous faut un jeton API Apify. Environ une minute :

1. Inscrivez-vous gratuitement à Apify (Google, GitHub ou e-mail).
2. Allez dans Paramètres → Intégrations → Jetons API.
3. Cliquez sur Créer un nouveau jeton API. Copiez et gardez-le secret.

Quota gratuit : Apify crédite votre compte de 5$ d'usage plateforme par mois, sans carte bancaire. Assez pour tester n'importe quel actor — à 0,001$ par résultat, c'est environ 5 000 résultats gratuits chaque mois.

Appeler depuis votre code

Lancez cet actor depuis n'importe quel langage via l'API REST Apify. Remplacez YOUR_TOKEN par votre jeton API et adaptez le JSON d'entrée.

curl -X POST "https://api.apify.com/v2/acts/santamaria-automations~wikipedia-scraper/run-sync-get-dataset-items?token=YOUR_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{}'

// npm install apify-client
import { ApifyClient } from 'apify-client';

const client = new ApifyClient({ token: 'YOUR_TOKEN' });
const run = await client.actor('santamaria-automations/wikipedia-scraper').call({});
const { items } = await client.dataset(run.defaultDatasetId).listItems();
console.log(items);

# pip install apify-client
from apify_client import ApifyClient

client = ApifyClient('YOUR_TOKEN')
run = client.actor('santamaria-automations/wikipedia-scraper').call(run_input={})
items = list(client.dataset(run['defaultDatasetId']).iterate_items())
print(items)

// dotnet add package Apify.Client
using Apify.Client;

var client = new ApifyClient("YOUR_TOKEN");
var run = await client.Actor("santamaria-automations/wikipedia-scraper").CallAsync(new { });
var items = await client.Dataset(run.DefaultDatasetId).ListItemsAsync();

// Maven: com.apify:apify-client
import com.apify.client.ApifyClient;

ApifyClient client = new ApifyClient("YOUR_TOKEN");
ActorRun run = client.actor("santamaria-automations/wikipedia-scraper").call(Map.of());
List<Map<String,Object>> items = client.dataset(run.getDefaultDatasetId()).listItems();

Utiliser avec des agents IA (MCP)

Cet actor est disponible sur le serveur MCP Apify, vous pouvez donc le piloter depuis n'importe quel client IA compatible MCP – Claude Desktop, Claude.ai, Cursor, VS Code, LangChain, LlamaIndex ou un agent maison – sans écrire de code.

https://mcp.apify.com?tools=santamaria-automations/wikipedia-scraper

Exemple de prompt une fois connecté :

"Utilise wikipedia-scraper pour lancer un scrape et donne-moi les résultats sous forme de tableau."

Les clients avec découverte dynamique des outils (Claude.ai, VS Code) reçoivent le schéma d'entrée complet automatiquement via add-actor.

Utiliser avec des plateformes no-code

Déclenchez cet actor depuis votre outil d'automatisation. Toutes les plateformes ci-dessous peuvent appeler l'API Apify en quelques clics — sans code.