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.

Ouvrir sur Apify → Essayez maintenant

Tarif

0,0005$/article

RAM

128MB

Couverture

12+ langues

Champs de sortie

20+

Proxy

Apify datacenter

Tech

API MediaWiki

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

Champ	Type	Exemple
title	string	Tour Eiffel
page_id	integer	9202
wikidata_id	string	Q243
summary	string	La tour Eiffel est une tour de fer puddlé...
content	string	La tour Eiffel est une tour de fer puddlé de 330 mètres...
thumbnail_url	string	https://upload.wikimedia.org/wikipedia/commons/...
categories	array	["Tour Eiffel","Tours de Paris"]
coordinates	object	{"lat":48,8584,"lon":2,2945}
pageviews_30d	integer	512 847
canonical_url	string	https://fr.wikipedia.org/wiki/Tour_Eiffel

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

Ouvrir sur Apify → Essayez maintenant (version gratuite disponible)